-
题名基于高斯–广义双曲混合分布的非线性卡尔曼滤波
被引量：6
- 1
-
-
作者
王国庆
杨春雨
马磊
代伟
-
机构
中国矿业大学信息与控制工程学院
中国矿业大学地下空间智能控制教育部工程研究中心
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2023年第2期448-460,共13页
-
基金
国家自然科学基金(62003348,62073327,62203448,61973306,61873272)
江苏省自然科学基金(BK20200633,BK20200631,BK20200086)资助。
-
文摘
本文研究带非平稳厚尾非高斯量测噪声的非线性系统状态估计问题.考虑到广义双曲分布包含多种常见厚尾分布特例,且其混合分布为共轭的广义逆高斯分布,选用广义双曲分布建模厚尾噪声;进而引入伯努利变量构建高斯–广义双曲混合分布来建模非平稳厚尾噪声,并利用该分布的高斯分层结构得到系统的概率模型.随后采用变分贝叶斯方法实现对系统状态以及噪声参数的后验估计,得到针对此类噪声系统的卡尔曼滤波(Kalman filter,KF)框架,现有的几种鲁棒滤波算法均是本文算法的特例.机器人跟踪仿真实验表明,所提算法与同类算法相比具有更好的估计精度和数值稳定性,且对于初始参数具有较好的鲁棒性.
-
关键词
非线性卡尔曼滤波
高斯–广义双曲分布
非平稳噪声
厚尾分布
变分贝叶斯
-
Keywords
Nonlinear Kalman filter
Gaussian-generalized-hyperbolic distribution
non-stationary noise
heavy-tailed distribution
variational Bayes
-
分类号
TN713
[电子电信—电路与系统]
-
