基于可能性理论的Epistemic Support-Point Filter (ESPF)：用于有序状态估计的有界可能性框架

传统状态估计方法依赖于概率假设，常将认识不确定性压缩为标量信念，在稀疏或对抗性探测环境中可能导致过度自信。我们引入了认识支持点滤波器(ESPF)，这是一种新型非贝叶斯滤波框架，完全基于可能性理论和认识谦逊。ESPF通过兼容性加权支持更新、惊讶感知修剪和稀疏网格数值积分来重新定义信念随状态空间的演化。与常规滤波器不同，ESPF不寻求后验分布，而是维护一组可信赖区域或不被拒绝的区域，通过有序逻辑进行更新。对于多模型推理，我们采用Choquet积分基于动态认识容量函数融合竞争假设，这一般化了经典的winner-take-all策略。结果是一种能够动态收缩或扩展信念支持的推理引擎，直接响应信息结构变化，无需先验统计校准。这一工作代表了推理、证据和无知之间如何调和的根本性转变，支持在先验不可用、误导或认识上不可合理的地方的稳健估计。