A student-t mixture filtering algorithm based on adaptive parametric model

doi:10.1016/j.dsp.2025.105350

2025-05-22

PRE

Xinru Liang

高

高长生 (Changsheng Gao)

DOI：10.1016/j.dsp.2025.105350

原文链接

原文求助

摘要

En 中文

状态估计技术是轨迹预测与拦截的基础和前提，而这两者是防御技术中的关键部分。因此，再入飞行器日益增长的防御需求要求高精度的状态估计。由于再入飞行器执行跨域飞行，在复杂飞行环境中会产生未知异常值，且检测系统难以捕捉非高斯噪声的分布和统计信息，这对状态估计带来了灾难性后果。在没有任何测量噪声先验统计信息的情况下，一种基于变分贝叶斯（VB）框架改进型学生t混合滤波（STM）的自适应变分贝叶斯学生t混合滤波（AVBSTMF）建立了自适应参数模型，以解决具有不确定非高斯度的非平稳测量噪声，从而提供高精度的状态估计。首先，作为广义分布的STM分布能够充分利用混合分量和ST分布的重尾特性，从而缓解异常值影响并突破对测量噪声先验分布假设的依赖。此外，采用VB方法的一种新型参数模型——正态高斯-逆Wishart-Gamma（NIW-Gam）近似方案能够自适应地在线更新参数，以打破对先验统计的依赖并改进STM分布。在改进的STM框架内，引入NIW分布以表征未知时变均值，同时引入Gam分布以表达自由度（DOFs），用于处理测量噪声的不确定非高斯度。因此，基于NIWGam分布，改进的STM分布即STM（STMNIWGam）联合分布能够实现混合分量系数、均值和自由度参数的在线调整，以捕捉复杂飞行环境中时变和非平稳噪声的统计特性，且无需依赖先验信息。最后，基于量化分析，所提滤波器的设计进一步基于VB算法进行了解析推导。高超音速跳跃滑翔飞行器的仿真结果表明，所提出的AVBSTMF能够显著提高估计精度和鲁棒性。同时，该飞行器状态估计实施的成功表明其在定位、导航和多传感器融合算法等其他应用领域具有巨大潜力。