具有状态依赖协方差矩阵的动态系统平滑
最优化与控制
2014-03-21 v2 统计计算
机器学习
摘要
卡尔曼滤波和平滑算法广泛应用于跟踪与导航、医疗应用及金融趋势滤波等领域。应用卡尔曼平滑框架的基本假设之一是误差协方差矩阵已知且给定。本文研究了一类一般的推断问题，其中协方差矩阵可以函数式地依赖于未知参数。在卡尔曼框架下，这允许对协方差矩阵函数式地依赖于待估计状态序列的情形进行建模。我们提出了一种用于此类推断的扩展公式和广义高斯牛顿 (GGN) 算法。当应用于动态系统推断时，我们表明该算法的实现可以保持经典卡尔曼平滑器的计算效率。并通过一个合成数值算例说明了新方法。
引用
@article{arxiv.1211.4601,
title = {Smoothing Dynamic Systems with State-Dependent Covariance Matrices},
author = {Aleksandr Y. Aravkin and James V. Burke},
journal= {arXiv preprint arXiv:1211.4601},
year = {2014}
}
备注
8 pages, 1 figure