基于鲁棒粒子滤波的创新与加性异常值鲁棒Kalman滤波
统计方法学
2020-07-08 v1 应用统计
统计计算
机器学习
摘要
本文提出CE-BASS,一种对创新异常值和加性异常值均鲁棒且能充分捕捉隐状态分布中多模态的粒子混合Kalman滤波器。此外,该粒子采样方法对过去状态进行重采样,使CE-BASS能够处理在观测中不能立即显现的创新异常值,例如趋势变化。由于我们推导了粒子最优提议分布的新的精确近似,该滤波器计算高效。所提算法被证明优于现有方法,并应用于机器温度与服务器数据。
引用
@article{arxiv.2007.03238,
title = {Innovative And Additive Outlier Robust Kalman Filtering With A Robust Particle Filter},
author = {Alexander T. M. Fisch and Idris A. Eckley and P. Fearnhead},
journal= {arXiv preprint arXiv:2007.03238},
year = {2020}
}