量测随机丢失下基于容积卡尔曼滤波的厚尾噪声处理方法

摘要

针对量测随机丢失和厚尾量测噪声条件下的非线性状态估计易发散问题，提出了一种新的非线性卡尔曼滤波方法。引入服从Gamma分布的辅助参数，将厚尾量测噪声建模为Student’s t分布，以解决厚尾噪声导致的状态估计易发散问题，并采用服从Benroulli分布的随机变量来描述量测信号随机丢失的现象；在量测随机丢失下，基于目标状态和未知参数建立联合后验分布，并使用变分贝叶斯方法，联合估计系统状态、量测丢失概率和未知的厚尾噪声。非线性目标跟踪仿真实验表明，提出的算法可自适应估计未知的量测丢失概率，在野值概率为5%的条件下，算法目标跟踪的位置、速度和转动速率均方根误差分别为对比算法的37%、28%和60%;在野值概率为10%的条件下，其他算法均出现了发散现象，而提出的算法依然能够以较低的误差跟踪目标，体现了所提算法良好的鲁棒性和优越性。

关键词

非线性状态估计 / 量测随机丢失 / 厚尾噪声 / Student’s t分布 / 变分贝叶斯