高斯滤波的新视角与扩展
机器人学
2015-06-09 v3
摘要
高斯滤波(GF)是应用最广泛的滤波算法之一；其实例包括扩展卡尔曼滤波、无迹卡尔曼滤波和除差滤波。GF用高斯分布表示当前状态的信念，其均值为测量的仿射函数。我们表明这种表示可能过于受限，无法准确捕捉具有非线性观测模型的系统中的依赖关系，并研究了如何推广GF以缓解此问题。为此，我们从变分推断的视角看待GF。我们分析了如何在保持简洁与高效的同时放宽对信念形式的限制。该分析为GF的推广提供了基础。我们提出了这样一种推广，它与使用虚拟测量的GF一致，该虚拟测量通过对实际测量应用非线性函数获得。数值实验表明，对于具有非线性观测模型的系统，所提出的特征高斯滤波(FGF)相比标准GF具有显著的性能优势。
引用
@article{arxiv.1504.07941,
title = {A New Perspective and Extension of the Gaussian Filter},
author = {Manuel Wüthrich and Sebastian Trimpe and Daniel Kappler and Stefan Schaal},
journal= {arXiv preprint arXiv:1504.07941},
year = {2015}
}
备注
Will appear in Robotics: Science and Systems (R:SS) 2015