Cubature 卡尔曼滤波器(CKF) 在非高斯噪声或统计特性未知时滤波精度将会下降甚至发散, 为此提出了统计回归估计的鲁棒CKF 算法. 推导出线性化近似回归和直接非线性回归的鲁棒CKF 算法, 直接非线性回归克服了观测方程线性化近似带来的不足. 具有混合高斯噪声的仿真实例比较了3 种Cubature 卡尔曼滤波器的滤波性能, 结果表明这两种鲁棒CKF 滤波精度及估计一致性明显优于CKF, 直接非线性回归的CKF 的鲁棒性更强, 滤波性能更好.
2022-12-08 14:30:30
187KB
1
包含基于Huber函数和最大相关熵的抗差滤波算法，以及与卡尔曼滤波算法的对比，用于GNSS导航定位粗差处理。同时主函数中包含混合高斯随机数生成方法。
2022-10-04 16:03:07
572KB
去噪声代码matlab
python中具有Huber准则的稀疏鲁棒线性回归
此代码说明了将Huber准则用于各种任务的说明。
它包含一个与本文相关的工具箱：
Block-wise
Minimization-Majorization
Algorithm
for
Huber's
Criterion:
Sparse
Learning
and
Applications,
Esa
Ollila
and
Ammar
Mian
Submitted
to
MLSP
2020
conference.
它还有助于提高论文中提出的结果的可重复性。
它提供了matlab和python代码。
警告：Python版本仍在调试中，虽然不如matlab可信，但仍在开发中。
本文的结果是使用matlab版本获得的。
文件的组织
该存储库被分解为两个子目录：
matlab
/，其中包含matlab代码。
要重现本文介绍的结果，请运行：
Simulation_1_Regression_example.m
Simulation_1_Image_denoising_example.m
python
/，其中包含python代码
2021-10-28 08:27:34
3.85MB
1
非打印版，文字可选取
[目录]
1. Generalities.
2. The Weak Topology and Its Metrization.
3. The Basic Types of Estimates.
4. Asymptotic Minimax Theory for Estimating a Location Parameter.
5. Scale Estimates.
6. Multiparameter Problems, In Particular Joint Estimation of Location and Scale.
7. Regression.
8. Robust Covariance and Correlation Matrices.
9. Rubustness of Design.
10. Exact Finite Sample Results.
11. Miscellaneous Topics.
References.
Index.
2020-01-03 11:20:21
5.83MB
1