存在未知静态参数下多粒子滤波的信息融合
信号处理
2024-11-01 v1
摘要
粒子滤波方法的一个重要且常被忽视的方面是未知静态参数的估计。解决这一问题的简单方法是将未知静态参数作为辅助状态，联合估计带感兴趣的时变参数。当感兴趣的系统是高维时，这可能是不切实际的。引入了多粒子滤波 (MPF) 方法以尝试通过使用分而治之的方法来克服维度之灾，其中向量 of unknowns 被划分为一组子向量，每个子向量由单独的粒子滤波器估计。每个粒子滤波器通过使用来自其他滤波器的预测和估计来加权其自己的粒子。目前没有原则方法来实现 MPF 方法，其中粒子滤波器共享未知参数或状态。在本工作中，我们提出了一种融合策略以允许在 MPF 设置下共享未知静态参数。具体而言，我们研究可在状态和观察中分离的系统。我们证明了对于具有非相互作用状态和观察的 state-space 模型，Optimal Bayesian fusion 可获得。通过仿真实验表明，带有融合策略的 MPF 可在更少的时间步内提供比现有算法更准确的估计。
引用
@article{arxiv.2410.24074,
title = {Fusion of Information in Multiple Particle Filtering in the Presence of Unknown Static Parameters},
author = {Xiaokun Zhao and Marija Iloska and Yousef El-Laham and Mónica F. Bugallo},
journal= {arXiv preprint arXiv:2410.24074},
year = {2024}
}