面向含测量离群值系统的鲁棒扩展卡尔曼滤波
系统与控制
2019-04-02 v1
摘要
离群值会污染许多非线性系统的测量过程，其可能由传感器误差、模型不确定性、环境变化、数据丢失或恶意网络攻击引起。当将扩展卡尔曼滤波器（EKF）应用于此类系统进行状态估计时，离群值会严重降低估计精度。本文提出一种新息饱和机制来修正 EKF，以构建对离群值的鲁棒性。该机制对新息过程施加饱和函数，EKF 利用该过程来校正状态估计。因此，当发生离群值时，失真的新息被饱和，从而防止其破坏状态估计。该机制具有饱和界自适应调整的特点。该设计导出了针对连续时间与离散时间系统的鲁棒 EKF 方法。证明表明，在 bounded outlier 扰动存在下，它们能够产生有界误差估计。给出了一个关于移动机器人定位的应用研究，数值仿真显示了所提设计的有效性。与现有方法相比，所提方法能以显著的计算效率有效抑制各种幅度、类型和持续时间的离群值，且不需要测量冗余。
引用
@article{arxiv.1904.00335,
title = {Robust Extended Kalman Filtering for Systems with Measurement Outliers},
author = {Huazhen Fang and Mulugeta A. Haile and Yebin Wang},
journal= {arXiv preprint arXiv:1904.00335},
year = {2019}
}