面向遥感应用的l1最小化零空间卡尔曼滤波若干新结果
信号处理
2018-08-21 v1
摘要
本文描述了基于卡尔曼滤波的递归l_1最小化的一些新结果。我们将l_1范数视为显式约束，表述为待估计状态的非线性观测。将待估计的稀疏向量解释为从含误差（欠采样）测量中观测到的状态，我们可处理时变与空变稀疏性、任意类型的先验信息，并轻松应对可用测量中的非平稳误差影响。在我们的方法中，本质上略微偏离经典的基于RIP的方法，转向对零空间结构更直观的理解，该结构与估计理论中熟知的确定性与随机可观测性等工程概念隐式相关。
引用
@article{arxiv.1808.06538,
title = {Some New Results on l1-Minimizing Nullspace Kalman Filtering for Remote Sensing Applications},
author = {Otmar Loffeld and Dunja Alexandra Hage and Miguel Heredia Conde and Ling Wang},
journal= {arXiv preprint arXiv:1808.06538},
year = {2018}
}
备注
Preprint of EUSAR 2018 publication