基于SVD的分解形式容积卡尔曼滤波用于具有离散测量的连续时间随机系统
最优化与控制
2024-02-20 v1
摘要
在本文中，开发了一种奇异值分解（SVD）方法来实现容积卡尔曼滤波器。所讨论的估计器是实践中解决非线性贝叶斯滤波问题最流行和广泛使用的方法之一。为了提高其数值稳定性（针对舍入误差）和计算的实际可靠性，最近为经典卡尔曼滤波器提出的基于SVD的方法被推广到非线性滤波问题。更准确地说，我们提出了连续-离散容积卡尔曼滤波器的基于SVD的解决方案，并设计了两个估计器：（i）基于传统欧拉-丸山离散化方案的滤波器；（ii）基于高级伊藤-泰勒展开离散化底层随机微分方程的估计器。两个估计器都用滤波器误差协方差矩阵的SVD因子表示，属于稳定的分解形式（平方根）算法。新方法在雷达跟踪问题上进行了测试。
引用
@article{arxiv.2402.11555,
title = {SVD-based factored-form Cubature Kalman Filtering for continuous-time stochastic systems with discrete measurements},
author = {Maria V. Kulikova and Gennady Yu. Kulikov},
journal= {arXiv preprint arXiv:2402.11555},
year = {2024}
}