本文提出了一种新的过滤方法，用于处理高维度的非高斯状态空间模型、非线性且可能是混沌动力学以及空间与时间稀疏的观测。该方法使用交通测度、凸优化和概率图模型的思想，生成高维度下的坚韧的集成近似过滤分布。通过使用非线性更新，可以降低集成卡尔曼滤波器（EnKF）的固有偏差，同时计算成本较低。此外，还引入了维度可扩展性的非高斯本地化方法。该方法在混沌区域的 Lorenz-96 模型中取得了最先进的跟踪性能。

本文提出了一种新的过滤方法，用于处理高维度的非高斯状态空间模型、非线性且可能是混沌动力学以及空间与时间稀疏的观测。该方法使用交通测度、凸优化和概率图模型的思想，产生高维度下的坚韧的集成近似过滤分布。该方法在混沌区域的Lorenz-96模型的挑战配置下实现了最先进的跟踪性能。

本文提出了一种新的过滤方法，用于处理高维度的非高斯状态空间模型、非线性且可能是混沌动力学以及空间与时间稀疏的观测。该方法使用交通测度、凸优化和概率图模型的思想，产生高维度下的坚韧的集成近似过滤分布。该方法在混沌区域的Lorenz-96模型的挑战配置下实现了最先进的跟踪性能。

该文介绍了一种新的过滤方法，使用交通测度、凸优化和概率图模型的思想来产生高维度下的坚韧的集成近似过滤分布。该方法可被理解为集成卡尔曼滤波器（EnKF）的自然推广，使用随机或确定性耦合来进行非线性更新。该框架在混沌区域的 Lorenz-96 模型的挑战配置下实现了最先进的跟踪性能。

该文介绍了一种新的高维度非高斯状态空间模型、非线性且可能是混沌动力学以及空间与时间稀疏的观测的过滤方法。该方法使用交通测度、凸优化和概率图模型的思想来产生高维度下的坚韧的集成近似过滤分布。该框架在混沌区域的 Lorenz-96 模型的挑战配置下实现了最先进的跟踪性能。