基于变分贝叶斯理论的不确定厚尾噪声滤波方法

发布时间：2023-03-12 07:09

　　为了解决非线性滤波中量测噪声呈厚尾分布且统计特性不确定的问题,提出一种基于Pearson Type VII分布的自适应滤波算法.针对传统鲁棒卡尔曼滤波器因尺度矩阵和自由度参数固定不变而无法自适应调整的问题,以容积卡尔曼滤波器为基础,选择Pearson Type VII分布对厚尾噪声进行建模,将传统鲁棒滤波固定自由度参数的估计转化为Pearson Type VII分布中可自适应调整的双自由度参数的估计,并通过inverse Wishart和Gamma分布描述尺度矩阵、双自由度参数和辅助参数的先验分布,利用遗忘因子对各参数进行时间更新;基于变分贝叶斯理论,对系统状态、尺度矩阵、双自由度参数和辅助参数形成的联合后验概率密度函数进行变分迭代,实现对系统状态和未知厚尾噪声的联合估计.仿真结果表明,在不确定厚尾噪声条件下,本文算法的滤波精度高于传统鲁棒容积卡尔曼滤波.

【文章页数】：9 页

【文章目录】：
1 问题描述
2 不确定厚尾噪声条件下的状态估计
    2.1 共轭先验分布和时间更新
    2.2 基于变分贝叶斯的近似后验
3 基于Pearson Type VII 分布的不确定厚尾噪声滤波
4 仿真及分析
5 结语



本文编号：3761190