基于矩的卡尔曼滤波：具有精确矩传播的非线性卡尔曼滤波
机器人学
2023-01-24 v1
摘要
本文利用精确矩传播方法提出了一种称为基于矩的卡尔曼滤波（MKF）的新型非线性滤波器。现有的状态估计方法使用线性化技术或采样点来计算矩的近似值。然而，随机变量概率分布通过非线性过程与测量模型的矩传播在状态估计的发展中起着关键作用，并直接影响其性能。所提出的矩传播过程能够为非高斯以及非独立高斯随机变量计算精确矩。因此，MKF 可以传播不确定状态变量至任意所需阶数的精确矩。MKF 是无导数的且不需要调参。此外，MKF 具有与扩展或无迹卡尔曼滤波即 EKF 和 UKF 相同的计算时间复杂度。实验评估表明，MKF 是相较于 EKF 和 UKF 更优的滤波器，并在非高斯噪声情形下优于这两种滤波器。
引用
@article{arxiv.2301.09130,
title = {Moment-based Kalman Filter: Nonlinear Kalman Filtering with Exact Moment Propagation},
author = {Yutaka Shimizu and Ashkan Jasour and Maani Ghaffari and Shinpei Kato},
journal= {arXiv preprint arXiv:2301.09130},
year = {2023}
}
备注
Accepted at the IEEE Conference on Robotics and Automation (ICRA), 2023