基于稀疏促进UKF的状态与模型不确定性联合估计
信号处理
2022-07-11 v1 系统与控制
系统与控制
摘要
当所考虑系统仅有部分模型可用时，状态估计在许多工程领域仍是一项重大挑战。本文提出一种联合平方根无迹卡尔曼滤波器，通过物理驱动的库函数的线性组合同时估计状态与模型不确定性。利用稀疏促进方法，选取这些线性组合中的一部分，从而可提取出可解释的模型。结果表明，与传统平方根无迹卡尔曼滤波器相比估计误差较小，并展现出对具有物理意义模型的增强。
引用
@article{arxiv.2207.03916,
title = {Estimating States and Model Uncertainties Jointly by a Sparsity Promoting UKF},
author = {Ricarda-Samantha Götte and Julia Timmermann},
journal= {arXiv preprint arXiv:2207.03916},
year = {2022}
}
备注
Submitted preprint