基于高斯–广义双曲混合分布的非线性卡尔曼滤波

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....

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 49; no. 2; pp. 448 - 460
Main Authors 王国庆, 杨春雨, 马磊, 代伟
Format Journal Article
LanguageChinese
Published 中国矿业大学地下空间智能控制教育部工程研究中心 徐州 221116 01.02.2023
中国矿业大学信息与控制工程学院 徐州 221116
Subjects
变分贝叶斯
非线性卡尔曼滤波
非平稳噪声
高斯—广义双曲分布
厚尾分布
Online AccessGet full text

Cover

Abstract 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.
AbstractList 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.
Author 王国庆
杨春雨
代伟
马磊
AuthorAffiliation 中国矿业大学信息与控制工程学院 徐州 221116;中国矿业大学地下空间智能控制教育部工程研究中心 徐州 221116
AuthorAffiliation_xml – name: 中国矿业大学信息与控制工程学院 徐州 221116;中国矿业大学地下空间智能控制教育部工程研究中心 徐州 221116
Author_FL DAI Wei
WANG Guo-Qing
MA Lei
YANG Chun-Yu
Author_FL_xml – sequence: 1
  fullname: WANG Guo-Qing
– sequence: 2
  fullname: YANG Chun-Yu
– sequence: 3
  fullname: MA Lei
– sequence: 4
  fullname: DAI Wei
Author_xml – sequence: 1
  fullname: 王国庆
– sequence: 2
  fullname: 杨春雨
– sequence: 3
  fullname: 马磊
– sequence: 4
  fullname: 代伟
BookMark eNotjT9Lw0AcQG-oYK1d_Qhuib-7310SRy3-g4KLzuUul6hFUjCI4lRQpIJVQRGxqCiCg4OiQ20U-l2kd6XfwopOD97w3hjJJbUkImSCgks9DHCq6kqZuiFjwAFyJA9McIdT4Y2SYppuKABKgU1Tmiez5i7rZSeD5yt7-fJdPzedbq9zZE6PbevNttvmrGEah-Zjv399MLi57WddW38yzXvzemFbX_bz0b4_jJORWG6mUfGfBbI6P7dSWnTKywtLpZmyk1KgwqFcovRDVNLTGGkfWAAouPZ9T_06LQIWYiC4EBgJyv1IokYftCdRKRVjgUz-dXdkEstkrVKtbW8lw2NlT6_vKgYMgQ1P-AMsFmSe
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.16383/j.aas.c220400
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Engineering
DocumentTitle_FL Nonlinear Kalman Filter Based on Gaussian-generalized-hyperbolic Mixing Distribution
EndPage 460
ExternalDocumentID zdhxb202302015
GrantInformation_xml – fundername: (国家自然科学基金); (国家自然科学基金); (国家自然科学基金); (国家自然科学基金); (国家自然科学基金); (江苏省自然科学基金); (江苏省自然科学基金); (江苏省自然科学基金)
  funderid: (国家自然科学基金); (国家自然科学基金); (国家自然科学基金); (国家自然科学基金); (国家自然科学基金); (江苏省自然科学基金); (江苏省自然科学基金); (江苏省自然科学基金)
GroupedDBID --K
-0Y
.~1
0R~
1B1
1~.
1~5
2B.
4.4
457
4A8
4G.
5GY
5VS
5XA
5XJ
7-5
71M
8P~
92H
92I
93N
AAIKJ
AALRI
AAQFI
AAXUO
ABJNI
ABWVN
ACGFS
ACRPL
ADEZE
ADNMO
ADTZH
AECPX
AEKER
AFTJW
AGHFR
AGYEJ
AITUG
ALMA_UNASSIGNED_HOLDINGS
BLXMC
CCEZO
CS3
CUBFJ
CW9
EBS
EJD
EO8
EO9
EP2
EP3
FDB
FEDTE
FNPLU
GBLVA
HVGLF
HZ~
IHE
J1W
JJJVA
M41
MO0
N9A
O-L
O9-
OAUVE
OZT
P-8
P-9
P2P
PC.
PSX
Q38
ROL
RPZ
SDF
SDG
SES
TCJ
TGT
U1G
U5S
ID FETCH-LOGICAL-s1015-14a3a7c3ba6d3ed70280354d776bba6dd582c3854553e5147ea3d370d6a3bbbf3
ISSN 0254-4156
IngestDate Thu May 29 04:10:30 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 2
Keywords 变分贝叶斯
非线性卡尔曼滤波
非平稳噪声
高斯—广义双曲分布
厚尾分布
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1015-14a3a7c3ba6d3ed70280354d776bba6dd582c3854553e5147ea3d370d6a3bbbf3
PageCount 13
ParticipantIDs wanfang_journals_zdhxb202302015
PublicationCentury 2000
PublicationDate 2023-02-01
PublicationDateYYYYMMDD 2023-02-01
PublicationDate_xml – month: 02
  year: 2023
  text: 2023-02-01
  day: 01
PublicationDecade 2020
PublicationTitle 自动化学报
PublicationTitle_FL Acta Automatica Sinica
PublicationYear 2023
Publisher 中国矿业大学地下空间智能控制教育部工程研究中心 徐州 221116
中国矿业大学信息与控制工程学院 徐州 221116
Publisher_xml – name: 中国矿业大学地下空间智能控制教育部工程研究中心 徐州 221116
– name: 中国矿业大学信息与控制工程学院 徐州 221116
SSID ssib001102911
ssib006576350
ssib051375349
ssib007293330
ssj0059721
ssib007290157
ssib023646446
ssib005904210
Score 2.4801729
Snippet ...
SourceID wanfang
SourceType Aggregation Database
StartPage 448
Title 基于高斯–广义双曲混合分布的非线性卡尔曼滤波
URI https://d.wanfangdata.com.cn/periodical/zdhxb202302015
Volume 49
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnR3LatVANNR2owvxiW-7cFYlepvJvJaT28Qi6qqV7sqkybWrK9gWpKuCIhV8gSJiUVEEFy4UXdRWod-iNLf0LzxnZq5JUfABIUwmZ-a8MjnnTGZOguBMq4wxhYkJWasThbHBRQBcRaExnBrDKM_t3qpLl_n4ZHxhik0N7PrWWLW0MJ-fnVn87b6S_9Eq1IFecZfsP2j2Z6dQAWXQL5xBw3D-Kx2TlBGVkUSTNMazTEmqiE6IkiTlRHGis_5qBorAiSJJZoEVkQprZEZk2wInJImwkAg8sOcWkdLCSCK5bQ4F6EcQBbhixKXGiEqxBrBjzxxxadtcjhE9alsB9riPwuJKEqJtTUKJjpr-MUkBhSBa2x400Y6ANvICBQ19cosFbrH-w4L4gXWZWKoByZhFCzTyGoQjrdrJRUJjSz3QIWsQEB0cbexOU0BR34ktydQWgJasOVcS0f7yav90WyiJtNbkCKunzN9Slj0QgZOU5wqA2ygsB4PcCCQItQukgoidEF2N1QT2zJF1L3FJEisdxRAMYSKrVIXATpSgWuRd4KVH4dTjcPEdxAPBko7YUoqPg2uv0pEIAnq3edUbkYjFIQbpTYvnksT6kR01zFfssp56Tyh2f3r4xcjCK5taK2sMjJ4oQjtQuxM_F3kuFrM3ctQCRCSYBmIogkgOTNHQ-eTiFV377ODiqoaRYQrsSMMn5QxzJtbXAr_8Nz7VwzWldQyMP0TgjTkONkohIsc5BueeMUxXZSdevWB8Jldk6twOluw2vm7HdK82PM6JfcFeHyoOazfu9wcDi7MHgj2NBKIHg6R6ub65fn_73dPek_fflx5Vaxuba3eqB3d7Kx97q6vVw-Vq-Xb1-ebWs1vbz19srW_0lt5W915VHx73Vr72vrzpfXp9KJjM0on2eOj_ihLOgflk4WhsqBEzNDe8oGUhcG0EZXEhBM-xrmAymqESIiNGSwiHRGloQUWr4Ibmed6hh4PB7rVueSQYhvdz3OmUopNjlioRQ-vIGBBukXcYzeXR4LSXwLR_681N79TqsT9CHA921yPxRDA4f32hPAl-_Hx-yj8JPwBmpbP4
linkProvider Elsevier
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E9%AB%98%E6%96%AF%E2%80%93%E5%B9%BF%E4%B9%89%E5%8F%8C%E6%9B%B2%E6%B7%B7%E5%90%88%E5%88%86%E5%B8%83%E7%9A%84%E9%9D%9E%E7%BA%BF%E6%80%A7%E5%8D%A1%E5%B0%94%E6%9B%BC%E6%BB%A4%E6%B3%A2&rft.jtitle=%E8%87%AA%E5%8A%A8%E5%8C%96%E5%AD%A6%E6%8A%A5&rft.au=%E7%8E%8B%E5%9B%BD%E5%BA%86&rft.au=%E6%9D%A8%E6%98%A5%E9%9B%A8&rft.au=%E9%A9%AC%E7%A3%8A&rft.au=%E4%BB%A3%E4%BC%9F&rft.date=2023-02-01&rft.pub=%E4%B8%AD%E5%9B%BD%E7%9F%BF%E4%B8%9A%E5%A4%A7%E5%AD%A6%E5%9C%B0%E4%B8%8B%E7%A9%BA%E9%97%B4%E6%99%BA%E8%83%BD%E6%8E%A7%E5%88%B6%E6%95%99%E8%82%B2%E9%83%A8%E5%B7%A5%E7%A8%8B%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83+%E5%BE%90%E5%B7%9E+221116&rft.issn=0254-4156&rft.volume=49&rft.issue=2&rft.spage=448&rft.epage=460&rft_id=info:doi/10.16383%2Fj.aas.c220400&rft.externalDocID=zdhxb202302015
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fzdhxb%2Fzdhxb.jpg