| 量测随机丢失下基于容积卡尔曼滤波的厚尾噪声处理方法 |
| |
| 引用本文： | 李帅永,聂嘉炜,郭成春.量测随机丢失下基于容积卡尔曼滤波的厚尾噪声处理方法[J].重庆邮电大学学报(自然科学版),2024,36(3):572-581. |
| |
| 作者姓名： | 李帅永 聂嘉炜 郭成春 |
| |
| 作者单位： | 重庆邮电大学 工业物联网与网络化控制教育部重点实验室, 重庆 400065 |
| |
| 基金项目： | 国家重点研发计划项目(2017YFB1303700);重庆市教育委员会科学技术研究项目(KJZD-M202300605);重庆市研究生科研创新项目(CYS23465) |
| |
| 摘 要： | 针对量测随机丢失和厚尾量测噪声条件下的非线性状态估计易发散问题，提出了一种新的非线性卡尔曼滤波方法。引入服从Gamma分布的辅助参数，将厚尾量测噪声建模为Student’s t分布，以解决厚尾噪声导致的状态估计易发散问题，并采用服从Benroulli分布的随机变量来描述量测信号随机丢失的现象;在量测随机丢失下，基于目标状态和未知参数建立联合后验分布，并使用变分贝叶斯方法，联合估计系统状态、量测丢失概率和未知的厚尾噪声。非线性目标跟踪仿真实验表明，提出的算法可自适应估计未知的量测丢失概率，在野值概率为5%的条件下，算法目标跟踪的位置、速度和转动速率均方根误差分别为对比算法的37%、28%和60%;在野值概率为10%的条件下，其他算法均出现了发散现象，而提出的算法依然能够以较低的误差跟踪目标，体现了所提算法良好的鲁棒性和优越性。
|
| 关 键 词： | 非线性状态估计 量测随机丢失 厚尾噪声 Student’s t分布 变分贝叶斯 |
| 收稿时间： | 2023/2/15 0:00:00 |
| 修稿时间： | 2024/3/1 0:00:00 |
Heavy-tailed noise processing method based on cubature Kalman filtering under random loss of measurement |
| |
| LI Shuaiyong,NIE Jiawei,GUO Chengchun.Heavy-tailed noise processing method based on cubature Kalman filtering under random loss of measurement[J].Journal of Chongqing University of Posts and Telecommunications,2024,36(3):572-581. |
| |
| Authors: | LI Shuaiyong NIE Jiawei GUO Chengchun |
| |
| Institution: | Key Laboratory of Industrial Internet of Things & Networked Control under Ministry of Education, Chongqing University of Posts and Telecommunications, Chongqing 400065, P. R. China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《重庆邮电大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《重庆邮电大学学报(自然科学版)》下载免费的PDF全文 |
