Recursive Outlier-Robust Filtering And Smoothing For Nonlinear Systems Using The Multivariate Student-T Distribution
Tutkimustuotos › › vertaisarvioitu
Yksityiskohdat
| Alkuperäiskieli | Englanti |
|---|---|
| Otsikko | 2012 IEEE International Workshop on Machine Learning for Signal Processing, MLSP, September 23-26 2012, Santander, Spain |
| Julkaisupaikka | Piscataway, NJ |
| Kustantaja | IEEE |
| Sivut | 1-6 |
| Sivumäärä | 6 |
| ISBN (elektroninen) | 978-1-4673-1025-3 |
| ISBN (painettu) | 978-1-4673-1024-6 |
| DOI - pysyväislinkit | |
| Tila | Julkaistu - 2012 |
| OKM-julkaisutyyppi | A4 Artikkeli konferenssijulkaisussa |
Julkaisusarja
| Nimi | IEEE International Workshop on Machine Learning for Signal Processing |
|---|---|
| ISSN (painettu) | 1551-2541 |
Tiivistelmä
Nonlinear Kalman filter and Rauch–Tung–Striebel smoother type recursive estimators for nonlinear discrete-time state space models with multivariate Student’s t-distributed measurement noise are presented. The methods approximate the posterior state at each time step using the variational Bayes method. The nonlinearities in the dynamic and measurement models are handled using the nonlinear Gaussian filtering and smoothing approach, which encompasses many known nonlinear Kalman-type filters. The method is compared to alternative methods in a computer simulation.
Julkaisufoorumi-taso
Tilastokeskuksen tieteenalat
Latausten tilastot
Ei tietoja saatavilla