基于Huber's M-估计的鲁棒无导数卡尔曼滤波

该资源是一篇发表在"Journal of Process Control"上的短文通信，文章主要探讨了基于Huber's M-估计方法的鲁棒无导数卡尔曼滤波器。作者包括Lubin Chang、Baiqing Hua、Guobin Chang和An Li，分别来自中国海军工程大学的导航工程系和天津水道测量与制图研究所。 文章介绍了稳健估计（Robust Estimation）在处理噪声污染问题中的应用，特别是在非线性滤波中的重要性。稳健估计是为了克服最小二乘法对粗差敏感的问题而提出的，它旨在构建一种能够抵抗数据中异常值影响的估计方法。Huber's M-估计是稳健估计的一个重要分支，由Peter Huber提出，它提供了一种介于最小二乘估计和最大似然估计之间的折衷方案，对数据中的离群值具有一定的容忍度。 在本文中，作者提出了一种离散时间的鲁棒非线性滤波算法，用于处理被污染的高斯噪声测量。他们通过改进无导数卡尔曼滤波器，结合Huber's M-估计方法，提高了滤波器对噪声的抵抗力。无导数卡尔曼滤波器是一种不依赖于目标模型导数信息的滤波技术，这使得它在模型复杂或者导数难以计算的情况下尤为有用。 传统的卡尔曼滤波器假设系统噪声和测量噪声是高斯分布的，但实际应用中，这种假设并不总是成立。当存在非高斯噪声，尤其是含有粗差时，常规卡尔曼滤波的性能会显著下降。Huber's M-估计的引入，使得滤波器能够更稳健地处理这些非典型的噪声，降低它们对滤波结果的影响。 关键词包括Huber's M-估计、非线性滤波、鲁棒回归和无迹卡尔曼滤波。这篇文章的研究成果为在实际工程问题中处理不确定性数据提供了一种新的工具，特别是在需要精确估计和过滤噪声信号的领域，如导航工程、自动控制和信号处理等。 这篇论文深入研究了如何利用稳健估计理论，特别是Huber's M-估计，来改善无导数卡尔曼滤波器在处理噪声数据时的性能，为解决实际工程问题提供了一个强大且鲁棒的解决方案。