基于低质量数据的鲁棒奇异平滑器用于跟踪

由于输入数据含有噪声、偏差且为离散化形式，水下自主平台的跟踪通常十分困难。基于高斯白噪声标准假设的传统滤波器与平滑器在面临上述任一挑战时便会失效。鲁棒模型（如 Huber 损失）与约束（如最大速度）被用于减轻这些问题。在此，我们考虑具有奇异协方差的鲁棒平滑，其涵盖偏差与相关噪声，以及许多特定模型类型，例如导航中使用的那些。具体而言，我们展示了如何将奇异协方差模型与鲁棒损失及状态空间约束结合在一个可处理极低质量数据的统一框架中。一个来自 submerged 低成本惯性测量单元（IMU）组件的含噪声、有偏且离散化的导航数据集，辅以超短基线（USBL）数据作为真值，为用 promising 结果压力测试所提框架提供了机会。我们展示了鲁棒建模元素如何提升我们分析数据的能力，并给出了 10 分钟数据在三种不同 USBL 位置修正可用频率（间隔 30 秒、1 分钟和 2 分钟）下的批处理结果。结果表明该框架可扩展至使用鲁棒加窗估计的实时跟踪。