逆容积与逆求积卡尔曼滤波器
最优化与控制
2024-04-22 v2 系统与控制
信号处理
系统与控制
机器学习
摘要
近期关于认知雷达的逆认知研究催生了由目标使用的逆随机滤波器，以推断认知雷达可能已获知的信息。已有工作分别针对线性和非线性高斯状态空间模型提出了逆卡尔曼滤波器（I-KF）和逆扩展KF（I-EKF）来解决该逆认知问题。然而在实践中，许多对抗反制场景涉及高度非线性的系统模型，其中EKF的线性化常常失效。本文中，我们考虑采用高效的数值积分技术来处理此类非线性，并据此开发了逆容积KF（I-CKF）、逆求积KF（I-QKF）和逆容积-求积KF（I-CQKF）。针对未知系统模型的情形，我们开发了基于再生核希尔伯特空间（RKHS）的CKF。我们推导了所提滤波器在指数均方有界意义下的随机稳定性条件，并证明了滤波器的一致性。数值实验以递推Cramér-Rao下界为基准，展示了我们的I-CKF、I-QKF和I-CQKF的估计精度。
引用
@article{arxiv.2303.10322,
title = {Inverse Cubature and Quadrature Kalman filters},
author = {Himali Singh and Kumar Vijay Mishra and Arpan Chattopadhyay},
journal= {arXiv preprint arXiv:2303.10322},
year = {2024}
}
备注
31 pages, 3 figures, 2 tables