TUTCRIS - Tampereen teknillinen yliopisto

TUTCRIS

Recursive Outlier-Robust Filtering And Smoothing For Nonlinear Systems Using The Multivariate Student-T Distribution

Tutkimustuotosvertaisarvioitu

Yksityiskohdat

AlkuperäiskieliEnglanti
Otsikko2012 IEEE International Workshop on Machine Learning for Signal Processing, MLSP, September 23-26 2012, Santander, Spain
JulkaisupaikkaPiscataway, NJ
KustantajaIEEE
Sivut1-6
Sivumäärä6
ISBN (elektroninen)978-1-4673-1025-3
ISBN (painettu)978-1-4673-1024-6
DOI - pysyväislinkit
TilaJulkaistu - 2012
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa

Julkaisusarja

NimiIEEE 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.

Latausten tilastot

Ei tietoja saatavilla