×

长尾噪声下的航迹拟合:贝叶斯方法。 (英语) Zbl 0873.65135号

小结:如果线性动态系统中的测量噪声是非高斯的,则最佳线性滤波器(卡尔曼滤波器)不一定是方差最小的滤波器。我们描述了一种基于贝叶斯方法的非线性滤波器,其性能优于线性滤波器。通过仿真研究确定了非线性滤波器在航迹重建中的相对效率。由于滤波器预设测量噪声的高斯混合模型,我们解决了用高斯混合近似测量误差分布的问题。我们还研究了滤波器在除高斯混合外的一些类型的长尾分布上的性能。最后,将滤波器扩展到处理长尾过程噪声,例如多次散射的高斯混合模型。

MSC公司:

65C99个 概率方法,随机微分方程
62M20型 随机过程推断和预测
60G35型 信号检测和滤波(随机过程方面)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 贝克曼,R.J。;库克,R.D.,《技术计量学》,25119(1983)
[2] 格特曼,I。;Peña,D.,稳健卡尔曼滤波及其应用,(多伦多大学统计系第1号技术报告(1985))·Zbl 0704.62024号
[3] Frühwirth,R.,编号。仪器。方法A,262444(1987)
[4] D.Peña和I.Guttman,稳健递归估计中混合分布的最优崩溃(未出版)。;D.Peña和I.Guttman,稳健递归估计中混合分布的最优崩溃(未出版)。
[5] 肯德尔,M.G。;Stuart,A.(《高级统计学理论》,第1卷(1969年),查尔斯·格里芬:查尔斯·格林芬伦敦)
[6] Hornik,K.,《神经网络》,4251(1991)
[7] 彼得森,C。;Rögnvaldsson,T。;Lönnblad,L.,计算。物理。社区。,81, 185 (1994)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。