具有传播性与非传播性异常值的稳健卡尔曼跟踪与平滑
统计理论
2014-01-28 v2 应用统计
统计理论
摘要
在滤波问题中，经典卡尔曼滤波表现不佳的一种常见情形是存在传播性异常值时的跟踪。这要求在分布意义上理解稳健性，即我们通过适当的邻域来扩大理想模型中所做的分布假设。基于 Ruckdeschel[01,10] 关于分布稳健卡尔曼滤波的最优性结果，我们为此目的提出了新的稳健递归滤波器和平滑器，以及针对非传播性异常值的专门版本。我们将这些方法应用于汽车行业中出现的 GPS 问题。为了更好地理解这些滤波器，我们研究了它们在典型异常值模式（并非为其设计）下的行为，并将其与跟踪问题的其他方法进行比较。最后，在一项仿真研究中，我们讨论了我们的方法相对于竞争方法的效率。
引用
@article{arxiv.1204.3358,
title = {Robust Kalman tracking and smoothing with propagating and non-propagating outliers},
author = {Peter Ruckdeschel and Bernhard Spangl and Daria Pupashenko},
journal= {arXiv preprint arXiv:1204.3358},
year = {2014}
}
备注
27 pages, 12 figures, 2 tables