动态感知卡尔曼滤波

非高斯噪声下估计更准

把测量噪声建模为高斯混合模型，并动态感知其对各子模型的响应，从而在非高斯噪声环境下实现比传统卡尔曼滤波更优越的状态估计性能。

钟山 · 彭倍 · He, Jiacheng · Feng, Zhenyu · 李明 · 王刚

Mechanical Systems and Signal Processing 2024

技术优势

非高斯噪声也稳

把测量噪声显式建模为高斯混合模型，算法能根据新息动态调整对各子模型的响应，不再被单一高斯假设束缚。

越用越聪明

利用卡尔曼新息近似当前测量噪声，实时感知噪声落在哪个高斯分量上，估计器随噪声环境自动调整。

应用场景

• 机器人状态估计：在实验室等嘈杂传感环境下，机器人位姿估计不再被异常测量带偏。
• 传感器融合：不同传感器噪声特性各异，算法能自动适配每一路的非高斯误差。
• 飞行器导航：在 GPS 拒止或多径干扰下，机载状态估计仍能保持稳定。
• 工业自动化：产线传感器受电磁干扰呈现厚尾噪声时，估计值更可靠。