基于Manifold的可逆卡尔曼滤波状态估计实数据验证方法论
系统与控制
2026-01-21 v2 系统与控制
最优化与控制
摘要
本 work 扩展了之前的研究，该研究引入了一种用于卡尔曼滤波框架内的流形上状态估计的算法。其目标是解决该方法的局限性。可逆卡尔曼滤波设计为一种评估现有卡尔曼滤波变体准确度的方法论，能够在合成数据上以任意精度进行评估。它在合成数据上具有良好的数值属性，能够在不依赖小速度假设的情况下实现任意精度，仅依赖于传感器噪声。然而，其在实数据上的应用遇到了与测量噪声相关的困难，这些困难通过一种启发式方法得到了缓解。具体而言，启发式方法涉及一个事件检测步骤，在所选时刻在可逆卡尔曼滤波和经典卡尔曼变体之间进行切换。本文提出了对该检测步骤的研究，并提出了一种方法论，证明在何时可逆卡尔曼方法在经典乘法变体方面取得改进。
引用
@article{arxiv.2512.22126,
title = {Validation methodology on real data of reversible Kalman Filter for state estimation with Manifold},
author = {Svyatoslav Covanov and Cedric Pradalier},
journal= {arXiv preprint arXiv:2512.22126},
year = {2026}
}