学校首页    English

一种基于高斯-学生t混合分布的新型鲁棒卡尔曼滤波器

作者:黄玉龙  来源:自动化学院  发布时间:2019年09月04日  点击数:11

 信息融合已经被广泛地应用于导航与定位、目标跟踪、自动控制和信号处理。然而,在一些工程应用中,比如目标跟踪和水下导航由于未知建模误差、随机脉冲干扰野值干扰的影响,系统模型的噪声可能具有非平稳厚尾分布。对于这类工程应用,传统基于高斯假设的信息融合方法将出现性能下降甚至发散如何在非平稳厚尾噪声干扰条件下实现可靠、精确的状态估计,成为信息融合领域的重要科学题。

 近日,哈尔滨工程大学自动化学院黄玉龙副教授、张勇刚教授、赵玉新教授以及哈尔滨工程大学自动化学院国际名誉院长IEEE Fellow英国皇家工程院院士Jonathon A. Chambers教授共同合作在IEEE Transactions on Signal Processing (JCR 一区,中科院Top期刊,IF=5.23)上发表新文章“A Novel Robust Gaussian–Student’s t Mixture Distribution Based Kalman Filter”DOI: 10.1109/TSP.2019.2916755),提出了一种处理非平稳厚尾噪声的智能信息融合方法。这是该领域内首次提出采用高斯-学生t混合分布来建模和处理非平稳厚尾噪声的方法,为智能信息融合提供了新思路  

  

  

 该论文提出的高斯-学生t混合分布能很好地建模非平稳厚尾噪声,但是其不具有封闭性和共轭性,使得无法直接用于贝叶斯信息融合。为了解决这一难题,图所示,该论文巧妙地引入了一个伯努利随机变量,高斯分布和学生t分布加权和转化成为指数乘积形式,进而获得高斯-学生t混合分布等价的高斯分层形式。该论文利用高斯-学生t混合分布建模非平稳厚尾噪声,构造一种新型高斯分层状态空间模型,并通过变分贝叶斯方法联合学习状态向量和未知参数提出一种基于高斯-学生t混合分布的新型鲁棒卡尔曼滤波器。

仿真实验表明,所提出的方法在非平稳厚尾噪声环境能够将状态估计精度提高15%。所提出的方法可以用于解决目标跟踪和水下导航工程应用存在的非平稳厚尾噪声问题,提高信息融合的可靠性和精度。

论文链接:

https://ieeexplore.ieee.org/abstract/document/8717713

  

责任编辑:吴琦
分享到:
? 2016哈尔滨工程大学自动化学院 地址:哈尔滨市南岗区南通大街145号哈尔滨工程大学61号楼 邮编:150001 电话:0451-82519410 管理维护:自动化学院 技术支持:信息化处
sitemap