AI辅助卡尔曼滤波
机器学习
2025-05-07 v3 系统与控制
信号处理
系统与控制
摘要
卡尔曼滤波（KF）及其变体是信号处理中最著名的算法之一。这些方法用于动态系统的状态估计，依赖于以简单状态空间（SS）模型形式呈现的数学表示，而这些模型可能是对底层动态性质的粗糙且不准确的描述。新兴的数据中心人工智能（AI）技术通过深度神经网络（DNN）来处理这些任务，具有模型无关性。最近的发展表明，可以将DNN与经典卡尔曼型滤波融合，获得能够在部分已知动态下的学习跟踪的系统。本文提供了关于将AI纳入KF类算法设计中的教程式概述。我们审查了适用于状态估计的通用和专用DNN架构，并系统性地呈现了将AI工具与KF集成以及利用部分SS建模和数据的技术方法，将设计方法归类为任务导向和SS模型导向。本文考察了每种方法在保持模型基KF和数据驱动DNN各自优势方面的实际效果，通过定性和定量研究进行分析，其代码已公开，展示了混合模型基/数据驱动设计的收益。我们还讨论了将AI与卡尔曼型算法融合所产生的现有挑战和未来研究方向。
引用
@article{arxiv.2410.12289,
title = {AI-Aided Kalman Filters},
author = {Nir Shlezinger and Guy Revach and Anubhab Ghosh and Saikat Chatterjee and Shuo Tang and Tales Imbiriba and Jindrich Dunik and Ondrej Straka and Pau Closas and Yonina C. Eldar},
journal= {arXiv preprint arXiv:2410.12289},
year = {2025}
}
备注
Submitted to the IEEE Signal Processing Magazine