基于高斯–广义双曲混合分布的非线性卡尔曼滤波

• 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
• Language: Chinese
• 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

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....