.png){kind=icon}
返回
Multisensor Gaussian-Cauchy Kernel Maximum Correntropy KF With Adaptive Kernel Bandwidth
.png){kind=icon}
PRE
AI
DOI：10.1109/lsp.2026.3709726.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于最大相关熵准则（MCC）的卡尔曼滤波器（KF）增强了非高斯噪声下的估计鲁棒性，但其高斯核存在对重尾噪声/异常值的抑制能力有限以及对核带宽高度敏感的问题。为解决这些问题，本文提出了一种改进的多传感器基于高斯-柯西核的最大相关熵卡尔曼滤波器（GCMCKF），并具有自适应核带宽。与需要定点迭代的MCC-KF不同，所提出的GCMCKF可直接推导为类似卡尔曼滤波器的形式。它利用测量残差和状态预测误差构建高斯-柯西核代价函数，平衡小误差精度与大误差鲁棒性。此外，引入了一种双通道核带宽更新策略，利用滑动窗口独立调整两个核带宽。针对纯方位目标跟踪的仿真结果表明，所提算法在非高斯噪声下具有更优越的性能。
Keyword:
Gaussian-Cauchy kernel
maximum correntropy criterion
Kalman filter
adaptive kernel bandwidth
non-Gaussian noise
期刊
I
IF:
3.9
论文数:
711
被引数:
0
机构
引用论文
分享收藏Multiplatform Bearing-Only Target Tracking Algorithm Based on Maximum Likelihood Maximum Correntropy Kalman Filter.png)
IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏Gaussian-Cauchy Mixture Kernel Function Based Maximum Correntropy Criterion Kalman Filter for Linear Non-Gaussian Systems基于高斯-柯西混合核函数的最大相关熵准则卡尔曼滤波器，用于线性非高斯系统
PREAI
分享收藏分享收藏
Reconstructed Variational Bayesian Kalman Filter Under Heavy-Tailed and Skewed Noises重尾和偏斜噪声下的重构变分贝叶斯卡尔曼滤波器
PREAI
分享收藏Cauchy-Gaussian maximum mixture correntropy Kalman filter with component-by-component construction具有逐分量构造的柯西-高斯最大混合熵卡尔曼滤波器SIGNAL PROCESSING
SIGNAL PROCESSINGIF3.6
PREAI
分享收藏
查看更多内容