一种具有自适应删失限的改进Tobit卡尔曼滤波器
信号处理
2019-11-15 v1 计算机视觉与模式识别
统计理论
统计理论
摘要
本文研究当测量值相关且被删失时的Tobit卡尔曼滤波(TKF)过程。考虑了区间删失的情况，即测量值属于具有给定删失限的某个区间的情况。为了估计隐藏状态向量，提出了对标准TKF过程的两项改进。首先，通过考虑删失限精确计算删失测量值的协方差矩阵。其次，通过考虑卡尔曼残差计算潜在（正态分布）测量值属于未删失区域内或外的概率。所设计算法使用合成与真实数据集进行了测试。真实数据集包含由Microsoft Kinect II传感器捕获的人体骨架关节坐标。为了应对某些导致人体骨架跟踪问题的现实情况，如（自）遮挡、紧密交互人员等，在提出的TKF过程中使用了自适应删失限。实验表明，所提方法在最小化合成与真实数据集的整体均方根误差(RMSE)方面优于其他滤波过程。
引用
@article{arxiv.1911.06190,
title = {An Improved Tobit Kalman Filter with Adaptive Censoring Limits},
author = {Kostas Loumponias and Nicholas Vretos and George Tsaklidis and Petros Daras},
journal= {arXiv preprint arXiv:1911.06190},
year = {2019}
}
备注
21 pages, 32 figures