利用梯度下降从测量中学习 IMM 滤波器参数
机器学习
2024-01-29 v2 机器人学
系统与控制
系统与控制
摘要
数据融合与跟踪算法的性能常常依赖于不仅描述传感器系统、也可能具有任务特异性的参数。对于传感器系统,调谐这些变量耗时且大多需要专家知识,而受跟踪目标的内在参数在系统部署前甚至可能完全不可观测。随着最先进传感器系统日益复杂,参数数量自然增加,亟需对模型变量进行自动优化。本文仅使用测量值(因而无需任何真值数据)来优化交互多模型(IMM)滤波器的参数。所提方法通过模拟数据上的消融研究进行评估,其中训练后的模型成功匹配了以真值参数化的滤波器性能。
引用
@article{arxiv.2307.06618,
title = {Learning IMM Filter Parameters from Measurements using Gradient Descent},
author = {André Brandenburger and Folker Hoffmann and Alexander Charlish},
journal= {arXiv preprint arXiv:2307.06618},
year = {2024}
}
备注
Accepted for ISIF 26th International Conference on Information Fusion (FUSION)