基于自然梯度的噪声自适应变分贝叶斯滤波算法

作     者：胡玉梅 潘泉 胡振涛 郭振 HU Yu-Mei;PAN Quan;HU Zhen-Tao;GUO Zhen

作者机构：西北工业大学自动化学院西安710072 信息融合技术教育部重点实验室西安710072 中国航空工业集团公司西安航空计算技术研究所西安710065 河南大学人工智能学院郑州450046 湖北航天技术研究院总体设计所武汉430040 

基　　金：国家自然科学基金(61790552,61976080) 西北工业大学博士论文创新基金(CX201915)资助 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2023年第49卷第10期

页      码：2094-2108页

摘      要：考虑到运动目标跟踪系统机动、隐身等人为对抗特征以及非视距、干扰、遮挡等环境因素,其系统建模、估计与辨识过程中越来越无法回避非线性、非高斯以及参数未知等复杂系统特征的影响.针对过程噪声先验信息不准确以及量测噪声非高斯环境下运动目标的非线性状态估计问题,提出一种基于自然梯度的噪声自适应变分贝叶斯(Variational Bayes,VB)滤波算法.首先,利用指数族分布具有统一表达形式的优势,构建参数化逆威沙特(Inverse-Wishart,IW)分布作为状态一步预测误差协方差的共轭先验分布,同时选取学生t分布重构因量测随机缺失导致的具有非高斯特点的似然函数;其次,在变分贝叶斯优化框架下采用平均场理论将状态变量联合后验分布近似分解为独立的变分分布,在此基础上,结合坐标上升方法更新各变量的变分分布参数;进而,结合Fisher信息矩阵推导置信下界最大化关于状态估计及其估计误差协方差的自然梯度,使非线性状态后验分布的近似分布沿梯度下降,以实现对状态后验概率密度函数(Probability density function,PDF)的“紧密”逼近.理论分析和仿真实验表明:相对传统的非线性滤波方法,本文算法对噪声不确定问题具有较好的自适应能力,并且能够获得较高的状态估计精度.

主 题 词：非线性滤波 自适应滤波 变分贝叶斯推断 自然梯度 Fisher信息矩阵 

学科分类：080902[080902] 0809[工学-计算机类] 08[工学] 

核心收录：

D　O　I：10.16383/j.aas.c210964

馆 藏 号：203124160...