BriefGPT - AI 论文速递
·
动态过程不确定性的路径空间卡尔曼滤波器用于分析时间序列数据
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文研究了利用系统辨识方法设计Kalman滤波器的问题，提出了一种两步法。研究发现，等价Kalman滤波器在参数精确度高或滤波器鲁棒性足够时具有次优保证。附加鲁棒约束可提高脆弱滤波器的次优保证性能。还提出了用样本复杂度度量最小观测数据数。
🎯
关键要点
- 研究利用系统辨识方法设计Kalman滤波器的问题。
- 提出了一种两步法：第一步获取状态空间参数和Kalman增益的粗略估计，第二步设计滤波器。
- 当参数精确度高或Kalman滤波器鲁棒性足够时，等价Kalman滤波器具有次优保证。
- 附加鲁棒约束可提高脆弱滤波器的次优保证性能。
- 提出用样本复杂度度量最小观测数据数。
🏷️
标签
➡️
