基于广义群 Lasso 的自主跟踪与状态估计
统计方法学
2021-06-01 v3 最优化与控制
摘要
我们在（结构化）稀疏性假设下，解决海洋船舶、自动驾驶车辆及其他动态信号的自主跟踪与状态估计问题。目标是相对于经典贝叶斯滤波器和平滑器提高跟踪与估计精度。我们将估计问题表述为动态广义群 Lasso 问题，并发展了一类平滑与分裂方法来求解。基于 Levenberg–Marquardt 迭代扩展卡尔曼平滑器的多块交替方向乘子法（LM-IEKS-mADMM）算法建立在交替方向乘子法（ADMM）框架之上。这产生了具有内在结构的极小化子问题，对此应用了三种新的增广递归平滑器。我们的方法无需为降维进行预处理即可处理大规模问题。此外，这些方法允许求解非光滑非凸优化问题。随后我们证明，在温和条件下，所提方法收敛到优化问题的驻点。通过包括多传感器距离测量问题、海洋船舶跟踪、自动驾驶车辆跟踪和音频信号恢复的仿真与真实数据实验，我们展示了所提方法的实际有效性。
引用
@article{arxiv.2007.11573,
title = {Autonomous Tracking and State Estimation with Generalised Group Lasso},
author = {Rui Gao and Simo Särkkä and Rubén Claveria-Vega and Simon Godsill},
journal= {arXiv preprint arXiv:2007.11573},
year = {2021}
}
备注
14pags, 10 figures