带马尔可夫链蒙特卡洛传播阶段的贝叶斯状态观测器的一种近似
最优化与控制
2024-04-04 v1
摘要
具有随机不确定性的非线性系统的状态估计问题可以在贝叶斯框架下表述，其目标是用状态的概率密度函数完全替代状态。在不限制特定系统类别和扰动特性的情况下，贝叶斯估计器对于具有非高斯噪声的高度非线性系统尤其有意义。贝叶斯滤波器的主要局限是显著的计算代价以及高维系统的实现问题。本文介绍了一种带马尔可夫链蒙特卡洛传播阶段和核密度估计的贝叶斯状态观测器的分段线性近似。这些方法适用于多元概率密度函数的预测。分段线性近似和所提出的算法能以合理的计算代价提高估计性能。在一个将贝叶斯状态观测器与扩展卡尔曼滤波器和粒子滤波器进行比较的基准测试中展示了估计性能。
引用
@article{arxiv.2204.14011,
title = {An approximation of the Bayesian state observer with Markov chain Monte Carlo propagation stage},
author = {Lukas Ecker and Kurt Schlacher},
journal= {arXiv preprint arXiv:2204.14011},
year = {2024}
}