工作中的最优鲁棒卡尔曼滤波：AO、IO以及同时IO和AO鲁棒滤波器
统计计算
2010-04-23 v1
摘要
我们采纳了Ruckdeschel[2001,2010]中关于鲁棒卡尔曼滤波的最优性结果，其中鲁棒性是在分布意义上理解的；即，我们通过适当的邻域扩展理想模型中的分布假设，允许存在异常值，在我们的上下文中，这些异常值可能是系统内生的/传播的或外生的/非传播的，从而引发了跟踪和衰减这两个有些矛盾的目标。相应地，引用的参考文献提供了分别处理每种异常值的最优鲁棒程序，但在IO鲁棒性的情况下，对实现细节阐述不多。我们在本文中对此进行了更详细的讨论。最重要的是，我们定义了一种混合滤波器，它结合了AO最优和IO最优滤波器，能够同时处理两种类型的异常值，尽管存在一定的延迟。我们在一个参考状态空间模型上检验了我们的滤波器，并将结果与ACM滤波器（Martin和Masreliez[1977]，Martin[1979]）以及基于非参数重复中位数的滤波器（Fried等[2006,2007]）的结果进行了比较。
引用
@article{arxiv.1004.3895,
title = {Optimally Robust Kalman Filtering at Work: AO-, IO-, and Simultaneously IO- and AO- Robust Filters},
author = {Peter Ruckdeschel},
journal= {arXiv preprint arXiv:1004.3895},
year = {2010}
}