卡尔曼滤波器的最坏情况预测性能分析
最优化与控制
2016-11-23 v2
摘要
在本文中，我们研究了卡尔曼滤波器（KF）在最坏情况、极小极大设置下的预测性能，该设置如在线机器学习、信息论与博弈论中所研究。目标是预测观测序列，其表现几乎与比较类中最优参考预测器（比较器）序列一样好。我们利用关于参考预测器序列复杂度的先验知识，证明了累积平方预测误差的最坏情况界。事实上，KF的性能被推导为最优参考预测器的性能与最优比较器调度中发生的总漂移量的函数。
引用
@article{arxiv.1611.02050,
title = {Worst-case Prediction Performance Analysis of the Kalman Filter},
author = {Sholeh Yasini and Kristiaan Pelckmans},
journal= {arXiv preprint arXiv:1611.02050},
year = {2016}
}