Pearson chi^2 散度方法用于高斯混合约简及其在高斯和滤波与平滑中的应用
统计方法学
2020-01-06 v1
摘要
高斯混合分布在各类统计问题中十分重要。特别是，它被用于具有非高斯噪声输入的线性状态空间模型的高斯和滤波与平滑中。然而，要使该方法实用，需要一种有效减少高斯分量数目的方法。本文中，我们给出 Pearson chi^2 散度可得到闭式表达，并可将其应用于高斯分量顺序约简中两个高斯分量对的确定。通过一维与二维分布模型的数值例子将表明，在大多数情况下所提准则表现几乎与 Kullback-Leibler 散度相当，而后者需计算代价高昂的数值积分。文中也给出了在高斯和滤波与平滑中的应用。
引用
@article{arxiv.2001.00727,
title = {Pearson chi^2-divergence Approach to Gaussian Mixture Reduction and its Application to Gaussian-sum Filter and Smoother},
author = {Genshiro Kitagawa},
journal= {arXiv preprint arXiv:2001.00727},
year = {2020}
}
备注
20 pages, 8 figures, 5 tables