基于伪测量的鲁棒高斯滤波
机器学习
2016-05-31 v3 系统与控制
摘要
许多传感器，如测距、声纳、雷达、GPS和视觉设备，产生的测量值会受到离群点污染。这个问题可以通过使用胖尾传感器模型来解决，该模型考虑了离群点的可能性。不幸的是，属于高斯滤波器家族的所有估计算法（如广泛使用的扩展卡尔曼滤波器和无迹卡尔曼滤波器）天生与此类胖尾传感器模型不兼容。本文的贡献在于表明，通过应用一个简单改变，任何高斯滤波器都可以与胖尾传感器模型兼容：我们建议不对物理测量进行滤波，而是对通过将特征函数应用于物理测量而获得的伪测量进行滤波。我们推导了在某种条件下最优的此类特征函数。仿真结果表明，所提方法能有效处理测量离群点，并允许在线性与非线性系统中进行鲁棒滤波。
引用
@article{arxiv.1509.04072,
title = {Robust Gaussian Filtering using a Pseudo Measurement},
author = {Manuel Wüthrich and Cristina Garcia Cifuentes and Sebastian Trimpe and Franziska Meier and Jeannette Bohg and Jan Issac and Stefan Schaal},
journal= {arXiv preprint arXiv:1509.04072},
year = {2016}
}