EMORF/S：基于 EM 的相关测量噪声下 outlier 鲁棒滤波与平滑
信号处理
2024-08-21 v2
摘要
本文考虑测量噪声可能相关的 outlier 鲁棒状态估计问题。数据中的 outlier 由多种原因引起，如传感器故障、环境行为、通信故障等。此外，噪声相关性出现在若干真实应用中，例如传感器网络、雷达数据、基于 GPS 的系统等。我们在系统建模中考虑这些影响，并随后用于推断。我们采用期望最大化（EM）框架推导分别适用于在线与离线估计的 outlier 弹性滤波与平滑方法。利用标准高斯滤波与高斯 Rauch-Tung-Striebel（RTS）平滑结果来设计估计器。此外，给出了可完美检测并拒绝 outlier 的滤波器与平滑器的贝叶斯 Cramer-Rao 界（BCRB）。这些可作为衡量不同估计器误差性能的有用理论基准。最后，针对一个说明性目标跟踪应用进行了不同数值实验，表明相较于类似设计的顶尖 outlier 拒绝状态估计器具有性能增益。其优势体现在更简单的实现、增强的估计质量以及有竞争力的计算性能。
引用
@article{arxiv.2307.02163,
title = {EMORF/S: EM-Based Outlier-Robust Filtering and Smoothing With Correlated Measurement Noise},
author = {Aamir Hussain Chughtai and Muhammad Tahir and Momin Uppal},
journal= {arXiv preprint arXiv:2307.02163},
year = {2024}
}
备注
13 pages, 9 figures