时变有色观测噪声下基于变分贝叶斯学习的自适应卡尔曼滤波
针对卡尔曼滤波中观测噪声是有色的且随时间变化这一情形,该文提出基于变分贝叶斯学习的自适应卡尔曼滤波算法。该算法先利用差分法,将时变噪声模型当中的有色观测噪声进行白化处理,从而使模型转换成了过程噪声与观测噪声相关的白噪声模型。考虑噪声相关条件下的卡尔曼滤波,并使之与变分贝叶斯学习结合,将白噪声方差与系统状态变量一起作为参数进行联合的递推估计。仿真结果表明,该自适应算法对时变的噪声具有较好的跟踪效果,相对经典卡尔曼滤波有着较高的滤波精度,最终得到时变有色观测噪声下的状态估计。
信号处理、参数估计、卡尔曼滤波、自适应滤波、变分贝叶斯学习
TN911.7
中国博士后科学基金2012T50330资助课题
2013-08-03(万方平台首次上网日期,不代表论文的发表时间)
共6页
1593-1598