Adaptive Kalman Filtering with Time-varying Colored Measurement Noise by Variational Bayesian Learning

Abstract

针对卡尔曼滤波中观测噪声是有色的且随时间变化这一情形，该文提出基于变分贝叶斯学习的自适应卡尔曼滤波算法。该算法先利用差分法，将时变噪声模型当中的有色观测噪声进行白化处理，从而使模型转换成了过程噪声与观测噪声相关的白噪声模型。考虑噪声相关条件下的卡尔曼滤波，并使之与变分贝叶斯学习结合，将白噪声方差与系统状态变量一起作为参数进行联合的递推估计。仿真结果表明，该自适应算法对时变的噪声具有较好的跟踪效果，相对经典卡尔曼滤波有着较高的滤波精度，最终得到时变有色观测噪声下的状态估计。