【FITEE 2016-2017 精选】近似高斯共轭：非线性、多模态、不确定以及约束下的参数递归滤波等

内容介绍

中文摘要：

自上世纪60年代作为现代估计开山之作的卡尔曼滤波器（Kalman filter）的诞生，时间序列状态空间模型应用于各类动态估计问题吸引了大量的研究关注。特别是，寻求实现闭环马尔科夫?贝叶斯递归（比如，从一个高斯先验到一个高斯后验，本文称之为高斯共轭）的解析解成为一般时间序列滤波器设计的主流思路。其面临的主要挑战包括：系统的非线性、多模态（包括机动模型）、复杂不确定性（比如未知的系统输入，非高斯噪声等）和系统约束（包括循环随机变量）等。这些挑战不断触生新的理论、算法与滤波技术，以实现所期望的参数共轭递归。本文对最新研究进行分类、系统回顾，强调了一些容易被忽略的要点。着重介绍了高精观测非线性系统、高斯后验和机动多模态、以及复杂未知系统输入与约束，以弥补当前文献介绍的不足。同时，本文提出一些新的思考：一是一阶马尔科夫转移模型的替代模型，二是有关计算复杂度的滤波器评价。

关键词：

卡尔曼滤波；高斯滤波；时间序列估计；贝叶斯滤波；非线性滤波；约束滤波；高斯混合；机动；未知输入

作者：

李天成，苏金亚，刘伟， Juan M. Corchado

单位：

陕西省西安市莲湖区劳动南路西市佳园1号楼，中国西安市，710082；Loughborough LE11 3TU, UK（英国）；University of Sheffield，Sheffield S1 4ET, UK（英国）；University of Salamanca ，Salamanca 37007, Spain（西班牙）

本文引用格式：

Tian-cheng Li, Jin-ya Su, Wei Liu, Juan M. Corchado, 2017. Approximate Gaussian conjugacy: parametric recursive filtering under nonlinearity, multimodality, uncertainty, and constraint, and beyond. Frontiers of Information Technology & Electronic Engineering, 18(12): 1913-1939.

http://dx.doi.org/10.1631/FITEE.1700379

本文精要导读：

微信加群

---

为方便广大科研人员交流讨论，本平台建有以下学科微信群。有需要加群的用户，请加小编个人微信号fitee_xb，并留言想要加入的群，小编会拉您进群。营销广告人员请勿扰。

计算机科学与技术学术群	光学工程与技术学术群
控制科学与技术学术群	信息与通信学术群
电力电子学术群	人工智能学术

加关注  ID: fitee_cae

本公众号为中国工程院院刊《信息与电子工程前沿（英文）》（SCI-E、EI检索期刊）官方微信，功能包括：传播期刊的学术文章；为刊物关联学人（读者、作者、评审人、编委，等）提供便捷服务；发布学术写作、评审、编辑、出版等相关资讯；介绍信息与电子工程领域学术人物、学术思想、学术成果，展示该领域科学研究前沿进展；为该领域海内外学者提供友好互动平台。