The Geometric Unscented Kalman Filter
近几十年来，针对非线性状态估计问题提出了许多滤波器。基于线性化的扩展卡尔曼滤波器（EKF）广泛应用于非线性工业系统。由于扩展卡尔曼滤波在精度和可靠性方面受到限制，序贯蒙特卡罗方法或粒子滤波（PF）可以以大量随机样本为代价获得更高的精度。无迹卡尔曼滤波器（UKF）利用确定性样本可以更有效地获得足够的精度，但其权重可能为负，这可能导致不稳定的问题。对于高斯滤波器，体积卡尔曼滤波器（CKF）和高斯埃尔米特滤波器（GHF）分别采用体积和高斯埃尔米特规则来逼近随机变量的统计信息，在实际问题中表现出令人瞩目的性能。受此启发，本文提出了一种新的非线性估计方案，命名为几何无迹卡尔曼滤波器（GUF）。GUF选择CKF的过滤框架来更新数据，并开发了一种几何无迹采样（GUS）策略来逼近随机变量。与UKF和CKF相似，GUS的主要特点是根据概率和几何位置选择均匀分布的样本，并具有PF一样的正权值。通过这种方式，GUF可以保持GHF足够的精度，具有合理的效率和良好的稳定性。GUF不像PF那样受样本容量指数增长的影响，也不像高阶CKF和UKF那样受非正权值的影响而不能收敛。
2020-09-28 cs.SY eess.SY
Robust Input Shaping Control for Flexible Structures Based on Unscented Kalman Filter
本文提出UZS方法，结合无迹卡尔曼滤波实时参数辨识与零振动微分输入整形，在柔性梁平台上验证了其优于现有方法的鲁棒振动抑制效果。
2025-07-02 cs.SY eess.SY
The Unscented Transform Controller: a new model predictive control law for highly nonlinear systems
基于Unscented变换的Unscented卡尔曼滤波器（UKF），提出了一种新的非线性对象的预测控制器，称为Unscented变换控制器（UTC）。UTC可以被看作是UKF的对偶，与LQG调节器和卡尔曼滤波器相关的方式相同。UTC演示的虚拟跳伞运动员在自由落体的复杂机动的控制模型在风洞和自由落体实验中得到验证。
2022-07-21 cs.SY eess.SY
A new state estimation approach-Adaptive Fading Cubature Kalman filter
提出了一种新的基于双传递因子的自适应衰减体积卡尔曼滤波器（AFCKF）。所开发的自适应算法被解释为两个阶段;阶段（i）使用单个传递因子来更新基于新息或残差向量的预测状态误差协方差${\bf \hat P_{k}}^{-}$，而在阶段（ii）中，测量噪声协方差矩阵${\bf \hat R_{k}^{*}}$由另一传递因子缩放。进一步给出了在AFCKF算法中结合新息向量和残差向量估计过程噪声、${\bf \hat Q_{k}^{*}}$和测量噪声协方差矩阵的证明概念。在噪声统计未知的情况下，它能提供可靠的状态估计。基准目标跟踪的例子被认为是显示所开发的算法的性能改善。与现有的自适应方法相比，所提出的衰落算法可以提供更好的估计结果。
2021-08-25 cs.SY eess.SP eess.SY
Partition-based Unscented Kalman Filter for Reconfigurable Battery Pack State Estimation using an Electrochemical Model
School of Engineering of the Université Libre de Bruxelles（布鲁塞尔自由大学工程学院）
本文提出基于电化学模型的可重构电池组状态估计方法，利用无迹卡尔曼滤波器实现分布式状态估计，通过局部滤波器与邻近节点信息融合，提升计算效率并降低均方误差。
2017-09-22 cs.SY eess.SY
Lie Algebraic Unscented Kalman Filter for Pose Estimation
Norwegian University of Science and Technology (NTNU)（挪威科技大学（NTNU））
提出了一种基于矩阵李群的无迹卡尔曼滤波器，其中状态的时间传播在李代数上表示。这是用对数的运动微分方程完成的，其中使用右雅可比矩阵的逆。sigma点可以表示为向量形式的矩阵，sigma点的时间传播以及均值和协方差的计算可以在李代数上完成。所得公式在很大程度上基于矢量形式的矩阵，因此更接近于$\mathbb{R}^n$中系统的UKF。这给出了一个优雅的和结构良好的配方，提供了额外的洞察力的问题，这是计算效率。所提出的方法是特别制定和研究的矩阵李群$SE(3)$。对右雅可比矩阵和左雅可比矩阵进行了讨论，并导出了$SE(3)$上右雅可比矩阵的逆矩阵的一种新的封闭形式解，该解给出了一种包含较少矩阵运算的紧凑表示.所提出的方法在仿真中进行了验证。
2020-04-30 cs.RO cs.SY eess.SY
Data-Driven Dynamic State Estimation of Photovoltaic Systems via Sparse Regression Unscented Kalman Filter
本文针对光伏系统提出一种数据驱动动态状态估计方法，先通过非线性稀疏回归辨识系统模型，再结合无迹卡尔曼滤波处理噪声与不确定性，仿真验证其优于基于物理的DSE。
2024-04-28 cs.SY eess.SY
Counter-Adversarial Learning with Inverse Unscented Kalman Filter
在反对抗系统中，为了推断智能对抗代理的策略，防御代理需要认知地感知对手收集的关于后者的信息。以前的工作的问题采用线性高斯状态空间模型和解决这个逆认知问题，通过设计逆随机滤波器。然而，在实践中，对抗系统通常是高度非线性的。在本文中，我们解决了这种情况下，制定逆认知作为一个非线性高斯状态空间模型，其中对手采用了无迹卡尔曼滤波器（UKF）估计防御者的状态，减少线性化误差。为了估计对手对防御者的估计，我们提出并开发了一种逆UKF（IUKF）系统。然后，我们推导出理论保证IUKF的随机稳定性的均方有界意义。多个实际应用的数值实验表明，IUKF的估计误差收敛，并密切遵循递归Cramér-Rao下界。
2023-03-24 cs.SY eess.SP eess.SY
Power System Dynamic State Estimation Using Extended and Unscented Kalman Filters
电力系统动态特性的准确估计对于提高电力系统的可靠性、弹性、安全性和稳定性具有重要意义。随着基于逆变器的分布式能源的日益集成，对于电力系统的适当控制和操作，电力系统动态的知识变得比以往任何时候都更加必要和关键。虽然测量设备和传输技术的最新进展已经显著地减少了测量和传输误差，但是这些测量仍然不能完全摆脱测量噪声。因此，噪声测量需要被过滤以获得准确的电力系统操作动态。在这项工作中，电力系统的动态状态估计使用扩展卡尔曼滤波器（EKF）和无迹卡尔曼滤波器（UKF）。我们对西部电力协调委员会（WECC）的$3$ -机$9$ -总线系统和新英格兰$10$ -机$39$ -总线进行了案例研究.结果表明，UKF和EKF能够准确估计电力系统动态特性。最后给出了EKF和UKF在测试情况下的性能比较。其他卡尔曼滤波技术以及基于机器学习的估计器将很快在本报告中更新。所有源代码，包括Newton Raphson潮流，导纳矩阵计算，EKF计算和UKF计算，都可以在Github中公开获得
2020-12-11 cs.SY eess.SY
An Unscented Kalman Filter-Informed Neural Network for Vehicle Sideslip Angle Estimation
提出了一种新的车辆侧滑角估计方法，该方法利用基于非线性单轨车辆模型的无迹卡尔曼滤波器（UKF）的物理知识提高卷积神经网络（CNN）的估计精度。基于模型的方法和数据驱动的方法相互作用，两者都使用标准惯性测量单元和通过负载传感技术测量的轮胎力。CNN受益于UKF利用物理定律的能力。同时，UKF使用CNN输出作为侧滑角伪测量和自适应过程噪声参数。通过时间的反向传播算法被端到端地应用于CNN和UKF，以利用互利特性。使用包含多种车辆行为的216次机动的大规模实验数据集，我们证明了与基于模型和数据驱动技术相结合的当前最先进的混合方法相比，所提出的架构的准确性有了显着的提高。在有限的数据集的情况下，提供的训练阶段，所提出的混合方法仍然保证估计的鲁棒性。
2023-03-09 cs.SY eess.SY
Invariant Cubature Kalman Filter for Monocular Visual Inertial Odometry with Line Features
Shijiazhuang Tiedao University（石家庄铁道大学）；Beijing Jiaotong University（北京交通大学）
为了实现机器人导航中鲁棒、精确的状态估计，在不变卡尔曼滤波和立方卡尔曼滤波器（CKF）理论的基础上，提出了一种新的基于线特征的视觉惯性里程（VIO）算法。与传统的CKF相比，滤波器的状态由高维矩阵李群构造，不确定性用李代数表示。为了提高系统在低纹理或光照变化等复杂场景中的鲁棒性，将线特征引入状态变量。该算法利用李代数的指数映射构造求积点，以直线的重投影误差作为状态更新的观测函数。该方法准确地描述了系统在旋转过程中的不确定性，减小了系统的线性化误差，将传统的CKF从欧氏空间推广到流形空间。它既继承了不变滤波在一致性方面的优点，又避免了高维矩阵复杂的雅可比运算。为了证明该算法的有效性，我们将其与Euroc数据集上最先进的基于过滤的VIO算法进行比较。仿真结果表明，该算法在提高估计精度和鲁棒性方面是有效的。
2019-12-26 cs.RO cs.SY eess.SY
Distributed Invariant Unscented Kalman Filter based on Inverse Covariance Intersection with Intermittent Measurements
本文提出了DIUKF-ICI方法，首次将逆协方差交集融合策略扩展到矩阵李群，解决了传感器网络上分布式状态估计中的未知相关性和间歇测量问题，并证明了估计误差有界。
2024-09-26 cs.SY eess.SY
Inverse Cubature and Quadrature Kalman filters
本文针对高度非线性系统提出逆容积、逆求积及逆容积-求积卡尔曼滤波器，并开发基于RKHS的版本，推导稳定性条件并证明一致性，实验验证其估计精度优于基准。
2024-04-19 cs.SY eess.SP eess.SY
Unscented Kalman Filtering on Manifolds for AUV Navigation -- Experimental Results
Virginia Polytechnic Institute and State University（弗吉尼亚理工学院暨州立大学）
在这项工作中，我们提出了一个辅助惯性导航系统的自主水下航行器（AUV）使用流形上的无迹卡尔曼滤波器（UKF-M）。惯性导航估计由多普勒速度记录仪（DVL）、深度传感器、声波测距仪以及在地面上的GPS辅助。明确描述了AUV上每个导航传感器的传感器模型，包括IMU和每个传感器之间的杠杆臂偏移的补偿。此外，提出了一个离群值拒绝步骤，以拒绝测量离群值，会降低导航性能。UKF-M的AUV导航的实时导航弗吉尼亚理工大学690 AUV和验证现场实施。最后，通过对导航传感器数据的后处理，我们通过实验证明了UKF-M能够在任意大的初始航向误差的存在下收敛到正确的航向。
2022-10-12 cs.RO cs.SY eess.SY
Robust Cubature Kalman Filter for Dynamic State Estimation of Synchronous Machines under Unknown Measurement Noise Statistics
School of Electrical Engineering, Northeast Electric Power University（东北电力大学电气工程学院）；Department of Electrical and Computer Engineering, University of Central Florida（中佛罗里达大学电气与计算机工程系）；State Grid Heibei Economic Research Institute（国网河北经济研究院）
本文提出了一种基于Huber M估计的鲁棒立方根滤波器（RCKF），以应对未知测量噪声统计特性下的同步机动态状态估计问题，该方法在非高斯环境和存在离群值时表现出色。
2019-02-19 cs.SY eess.SP eess.SY
Position and Velocity estimation of Re-entry Vehicles using Fast Unscented Kalman Filters
Australian Centre for Space Engineering Research, UNSW Australia（澳大利亚太空工程研究中心，新南威尔士大学）；School of Engineering and Information Technology, UNSW Australia（新南威尔士大学工程与信息技术学院）
本文提出两种基于UKF的改进估计方法，用于提升再入飞行器位置和速度估计的精度与效率，通过减少计算时间验证了SPUKF和ESPUKF在精度与速度上的优势。
2016-11-25 cs.SY eess.SY
Computationally Efficient Unscented Kalman Filtering Techniques for Launch Vehicle Navigation using a Space-borne GPS Receiver
ACSER, UNSW Australia（澳大利亚新南威尔士大学先进通信与信号处理研究中心）；UNSW Australia（澳大利亚新南威尔士大学）
本文提出两种改进的UKF变体用于运载工具导航，显著减少处理时间并提供与UKF相当的估计精度，通过Falcon 9 V1.1在CRS-5任务中的性能验证。
2016-11-25 cs.SY eess.SY
Comparison of Unscented Kalman Filter Design for Agricultural Anaerobic Digestion Model
本研究系统比较了多种无约束与带约束UKF变体在厌氧消化模型中的应用，发现带约束UKF估计最准确且可通过预计算梯度和二次规划重构大幅加速，为非线性Kalman滤波器实践者提供了实现指导。
2024-08-06 cs.SY eess.SY
Dynamic State Estimation of Synchronous Machines Using Robust Cubature Kalman Filter Against Complex Measurement Noise Statistics
容积卡尔曼滤波器（CKF）在非线性动态状态估计领域有着良好的估计效果。然而，由于该算法缺乏在线测量噪声统计量的自适应能力，在非高斯噪声和恶劣的数据环境中无法很好地工作。为了解决量测噪声统计量偏离先验噪声统计量时的行为衰退和发散问题，将Huber的M-估计理论与经典CKF算法相结合，提出了一种新的鲁棒CKF算法（RCKF），并将其应用于同步发电机的动态状态估计。IEEE 9节点系统和新英格兰16机68节点系统的仿真结果表明：在不同量测噪声且量测量存在不良数据的复杂噪声条件下,与传统CKF算法相比,所提抗差CKF算法均具有更好的估计精度和收敛能力,并能有效消除不良数据对估计效果的影响。
2019-07-21 cs.SY eess.SP eess.SY
A Lightweight Cubature Kalman Filter for Attitude and Heading Reference Systems Using Simplified Prediction Equations
Graduate School of Computer Science, Engineering, The University of Aizu（计算机科学与工程研究生院，宇土大学）
本文提出了一种改进的立方根卡尔曼滤波器（CKF），在保持估计精度的同时降低了计算成本，称为'Kaisoku立方根卡尔曼滤波器（KCKF）'。通过简化CKF的方程，保留等价的数学关系，推导出轻量级的预测方程。实验结果表明，KCKF相比CKF在浮点运算（FLOPs）上更少，计算时间减少了约19%（在高性能计算机上）和15%（在低成本单板计算机上），同时保持了姿态估计的准确性。
2026-01-12 cs.HC cs.RO cs.SY
The Unscented Kalman Filter for Nonlinear Parameter Identification of Adaptive Cruise Control Systems
提出双重无迹卡尔曼滤波器，利用车载传感器实时联合辨识商用ACC的状态与CTHP参数，并基于实测SUV数据验证其相对最小二乘方法的有效性。
2023-06-06 cs.SY eess.SY math.OC
A Two-Stage Bayesian Optimisation for Automatic Tuning of an Unscented Kalman Filter for Vehicle Sideslip Angle Estimation
Delft University of Technology（代尔夫特理工大学）；University of Eindhoven（埃因霍温大学）
提出了一种新的无迹卡尔曼滤波器（UKF）自整定方法。它涉及到使用两阶段贝叶斯优化（TSBO），基于t-学生过程，以优化车辆侧滑角估计的UKF的过程噪声参数。我们的方法最大限度地减少性能指标，给出的状态和测量的估计误差的平均总和为各种车辆操纵涵盖了广泛的车辆行为。通过TSBO使预定义的代价函数最小化，TSBO旨在找到可行区域中的位置，该位置使改进当前最佳解的概率最大化。实验数据集上的结果表明，在79.9%的时间比使用遗传算法（GA）和整体能力，以提高估计性能的9.9%的实验测试数据集，以目前的最先进的GA调整UKF的能力。
2022-06-30 cs.RO cs.SY eess.SY
DeepUKF-VIN: Adaptively-tuned Deep Unscented Kalman Filter for 3D Visual-Inertial Navigation based on IMU-Vision-Net
Carleton University（卡尔顿大学）
本文提出DeepUKF-VIN，利用IMU-Vision-Net和深度学习自适应机制调节无迹卡尔曼滤波器噪声协方差，实现GPS拒止环境下三维视觉惯性导航的方位、位置和速度鲁棒估计，并在真实数据上验证其优于标准UKF。
2025-03-12 cs.RO cs.SY eess.SY
Quaternion-based Unscented Kalman Filter for Robust Wrench Estimation of Human-UAV Physical Interaction
Carleton University（卡尔顿大学）
本文提出基于四元数的无迹卡尔曼滤波器（QUKF），用于实时、鲁棒估计辅助空中载具运输系统中系统状态和外部力矩。该方法通过四元数表示避免奇点，确保姿态和交互力矩的全局一致无漂移估计，通过动态模型实现耦合的平动和转动动力学，验证了QUKF在力矩估计中的高精度和数值稳定性。
2026-03-28 cs.SY eess.SY
Terrain estimation via vehicle vibration measurement and cubature Kalman filtering
车辆在自然地形上行驶所经历的振动程度决定了其行驶质量。一般来说，表面不规则性，从单一的不连续性到高程轮廓的随机变化，作为主要的激励源，通过轮胎-土壤相互作用和悬架系统在车身中引起振动。因此，越野车辆的平顺性与地面特性密切相关。本研究的目的是开发一种基于模型的观测器，利用现有的机载传感器自动估计地形参数。两个加速度信号，一个来自车身，一个来自车轮悬架，被送入一个动态车辆模型，考虑到轮胎/地形的相互作用，以估计地面特性。为了解决由此产生的非线性同时状态和参数估计问题，容积卡尔曼滤波器，这是优于标准的扩展卡尔曼滤波器的精度和稳定性。一组广泛的模拟试验，以评估各种表面粗糙度和变形条件下的性能，建议的估计。结果表明，所提出的观察员的潜力，估计自动地形特性的操作过程中，可以实现板载的一般家庭的智能车辆，从越野高速乘用车，轻型和低速行星漫游车。
2020-01-15 cs.SY eess.SP eess.SY
Real-Time Cubature Kalman Filter Parameter Estimation of Blood Pressure Response Characteristics Under Vasoactive Drugs Administration
对患者对血管活性药物输注的平均动脉血压（MAP）响应的数学建模和实时动态识别可以为自动化药物给药提供可靠的工具，并且因此降低紧急成本并且显著地有益于重症监护病房中患者的MAP调节。为此，一个动态的一阶线性变参数（LPV）模型与变化的参数和变化的输入延迟被认为是捕捉MAP响应动态。这种模型有效地解决了生理反应的复杂性以及患者内和患者间的可变性。我们离散的模型和增广的状态向量与模型参数作为未知状态的系统和基于贝叶斯的多模型平方根容积卡尔曼滤波（MMSRCKF）的方法被用来估计模型的时变参数。由于，与其他模型参数，输入延迟不能被捕获的随机游走过程中，一个多模型模块与后验概率估计实现提供的延迟识别。验证结果证实了所提出的识别算法的有效性，无论是在模拟场景中，也使用动物实验数据。
2019-09-29 cs.SY eess.SP eess.SY
Dual Quaternion-Based Unscented Kalman Filter with Visual Inertial Odometry for Navigation in GPS-Denied Environments
Carleton University（卡尔顿大学）
提出一种基于对偶四元数的无迹卡尔曼滤波（DQUKF）结合视觉惯性里程计（VIO），在GPS拒止环境下实现高精度状态估计，在EuRoC数据集上位置RMSE达0.2584米。
2026-06-08 cs.RO cs.SY eess.SY
UAV attitude estimation using Unscented Kalman Filter and TRIAD
本文提出一种基于UKF和TRIAD算法的AHRS，通过仿真和实验证明其在微控制器上具有低计算成本和实时性能。
2016-09-23 cs.RO cs.SY eess.SY
Continuous-discrete unscented Kalman filtering framework by MATLAB ODE solvers and square-root methods
针对连续-离散无迹卡尔曼滤波器的实现设计问题，提出基于MATLAB ODE求解器和J正交变换平方根方法的实现框架，可提升随机动态系统状态估计的精度与鲁棒性。
2023-10-06 cs.NA cs.SY eess.SY
Data-Driven Intrusion Detection in Vehicles: Integrating Unscented Kalman Filter (UKF) with Machine Learning
针对车辆动力学参数难以获取的挑战，提出一种结合UKF与机器学习的数据驱动入侵检测框架，无需精确车辆建模即可有效检测传感器和执行器上的DoS攻击。
2025-06-27 cs.SY eess.SP eess.SY
Unscented Kalman Filter for Long-Distance Vessel Tracking in Geodetic Coordinates
Massachusetts Institute of Technology（麻省理工学院）
本文介绍了一种新的跟踪滤波器，主要用于自动地面车辆（ASV）的防撞系统。所提出的方法利用实时动态信息广播通过自动信息系统（AIS）的消息协议，以估计附近的合作目标的位置，速度和航向。每个目标的状态递归估计在大地坐标系中使用无迹卡尔曼滤波器（UKF）与运动学方程推导出的余弦球定律。这改进了以前的方法，其中许多采用扩展的卡尔曼滤波器（EKF），因此需要一个局部平面坐标系的规格，以便于描述的状态运动学在一个容易微分的形式。建议的大地UKF消除了对这个本地平面的需要。该特征对于远程ASV特别有利，否则远程ASV必须周期性地重新定义新的局部平面以减少线性化误差。在现实世界的行动中，这种重复的重新定义可能会引入错误并使任务规划复杂化。通过仿真和现场测试表明，建议的大地UKF执行以及，或优于传统的平面笛卡尔EKF，无论是在估计误差和稳定性。
2021-11-25 cs.AI cs.RO cs.SY
Nodal Hydraulic Head Estimation through Unscented Kalman Filter for Data-driven Leak Localization in Water Networks
Institut de Robòtica i Informàtica Industrial, CSIC-UPC（西班牙国家研究委员会-加泰罗尼亚理工大学工业机器人与信息技术研究所）；University of Bucharest（布加勒斯特大学）；Institute for Logic and Data Science（逻辑与数据科学研究所）；Politehnica University of Bucharest（布加勒斯特理工大学）；Supervision, Safety and Automatic Control Research Center (CS2AC) - UPC（加泰罗尼亚理工大学监督、安全与自动控制研究中心）
本文提出一种基于无迹卡尔曼滤波的节点水头估计方法，通过结合预测模型与实测数据并动态更新权重矩阵，有效提升了供水管网的状态估计与数据驱动泄漏定位精度。
2023-11-27 cs.LG cs.NA cs.SY
Multi-Rate Distributed Unscented Kalman Filtering Under Collective Detectability
Bouvet（布韦特）；Arta Kyb（阿尔塔基布）；Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU)（挪威科技大学工程控制系）
本文针对无融合中心的非线性网络，提出多速率分布式UKF方法，基于集体可检测性实现信息扩散，在多速率采样下保持稳定且精度优于五轮协方差平均一致性。
2026-08-12 cs.SY eess.SY
Inverse Unscented Kalman Filter
本文针对非线性系统提出逆无迹卡尔曼滤波器（I-UKF），并推广到未知系统提出 RKHS-UKF，理论证明其稳定性与保守性，实验验证了估计性能。
2024-05-01 cs.SY eess.SP eess.SY
An unscented Kalman filter method for real time input-parameter-state estimation
Department of Civil Engineering and Engineering Mechanics, Columbia University（哥伦比亚大学土木工程与工程力学系）
本文提出一种新型无迹卡尔曼滤波方法，通过两阶段估计实现线性与非线性系统的实时未知输入、参数与状态联合估计，并利用扰动分析证明其可唯一识别系统。
2025-11-04 cs.AI cs.CV cs.SY
Fault Diagnosis of Nonlinear Systems Using a Hybrid-Degree Dual Cubature-based Estimation Scheme
针对非线性系统的故障诊断问题，提出了一种新的基于容积规则和基于容积的非线性滤波器的混合度对偶估计方法。我们提出的双非线性滤波方案是基于情况相关的体积规则开发的，这些规则是由以下观察和事实激发的，即（i）非线性系统状态和参数的动态特性通常是不同的，并且具有不同程度的复杂性，以及（ii）体积规则的性能取决于系统动力学，并且由于处理高维积分近似而变化。为了提高我们提出的方法的鲁棒性，引入了改进的体积点传播方法。我们提出的双重估计策略的性能证明和评估的应用程序的非线性燃气涡轮发动机解决组件故障诊断问题的集成故障检测，隔离和识别框架内。鲁棒性分析的实施，以验证我们提出的方法来处理参数不确定性和未建模动态的能力。广泛的模拟案例研究和讨论方面的组件污垢，腐蚀或突然故障，以证实和证明我们提出的故障诊断方法的优越性相比，其他知名的替代诊断技术，如无迹卡尔曼滤波器（UKF）和粒子滤波器（PF），通常在文献中。
2021-11-13 cs.SY eess.SY
Dual Unscented Kalman Filter Architecture for Sensor Fusion in Water Networks Leak Localization
Institut de Robòtica i Informàtica Industrial, CSIC-UPC（西班牙科学研究理事会-加泰罗尼亚理工大学机器人与工业自动化研究所）；LOS-CS-FMI, University of Bucharest（布加勒斯特大学数学与计算机科学学院计算机科学系）；Supervision, Safety and Automatic Control Research Center (CS2AC) of the Universitat Politècnica de Catalunya（加泰罗尼亚理工大学监督、安全与自动控制研究中心）；Politehnica University of Bucharest（布加勒斯特理工大学）
本文提出双无迹卡尔曼滤波方法融合多类传感器数据，提升节点水头与管道流量估计，在Modena和L-TOWN案例中优于现有方法，实现更精确泄漏定位。
2024-12-16 cs.LG cs.SY eess.SY
Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse Data using a Learning-based Unscented Kalman Filter
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
本研究提出利用无迹卡尔曼滤波器更新神经网络参数，以少量数据学习机器人动力学或仿真模型与真实机器人间的残差误差，并在机械臂和轮式机器人上验证，有效缩小了现实差距。
2023-05-08 cs.LG cs.RO cs.SY
Adaptive Force Controller for Contact-Rich Robotic Systems using an Unscented Kalman Filter
University of California, Los Angeles（加州大学洛杉矶分校）
针对多点接触机器人的力控需求，提出一种基于自动整定的自适应导纳控制器，可兼顾旋转摩擦、力旋量跟踪、防滑与避奇异，并在攀爬机器人硬件上验证了操作与移动任务中的鲁棒性。
2023-10-01 cs.RO cs.SY eess.SY
The Kalman Filter: a didactical overview
Zurich University of Applied Sciences（苏黎世应用科学大学）
本文教学性地介绍了卡尔曼滤波的三种标准变种——基本、扩展和无迹滤波，并讨论了它们在三个代表性问题中的应用。
2016-07-16 cs.SY eess.SY
Quaternion-based Unscented Kalman Filter for 6-DoF Vision-based Inertial Navigation in GPS-denied Regions
Carleton University（卡尔顿大学）
针对GPS拒止区域刚体6自由度运动的位姿、位置和线速度估计问题，提出定义在特定空间的计算高效的四元数导航无迹卡尔曼滤波器，融合视觉与IMU数据，经真实数据集验证其鲁棒性和有效性。
2024-12-03 cs.RO cs.SY eess.SY
Vision-based Unscented FastSLAM for Mobile Robot
本文提出一种结合无迹粒子滤波和无迹卡尔曼滤波的视觉无迹快速SLAM算法，通过双目视觉检测地标实现定位与建图，利用无迹快速SLAM提升定位与建图的精度和鲁棒性。
2019-05-03 cs.RO cs.SY eess.SY
Cubature Kalman Filter Based Training of Hybrid Differential Equation Recurrent Neural Network Physiological Dynamic Models
Northeastern University（东北大学）；The United States Military Academy（美国军事学院）；University of Missouri（密苏里大学）；Florida International University（佛罗里达国际大学）
生物动力学系统的建模是具有挑战性的，由于不同的系统组件的相互依赖性，其中一些还没有完全理解。为了填补现有的差距，我们的能力，机械模拟生理系统，我们建议结合神经网络与基于物理的模型。具体来说，我们演示了如何近似丢失的常微分方程（ODE）加上已知的ODE使用贝叶斯滤波技术训练模型参数，同时估计动态状态变量。作为一个研究案例，我们利用一个很好理解的模型，在人类视网膜的血液循环，并取代其核心ODE之一的神经网络近似，代表的情况下，我们有不完整的知识的生理状态动态。结果表明，状态动态对应于丢失的常微分方程可以很好地近似使用神经网络训练使用递归贝叶斯滤波方法的方式与已知的状态动态微分方程。这表明，可以通过递归贝叶斯状态估计（RBSE）框架内的联合状态估计和模型参数估计来捕获缺失状态变量的动态和影响。结果还表明，这种RBSE方法来训练NN参数产生更好的结果（测量/状态估计精度）比训练神经网络与反向传播通过时间在相同的设置。
2021-10-12 cs.LG cs.SY eess.SY
Extensions to the Theory of Widely Linear Complex Kalman Filtering
Colorado State University（科罗拉多州立大学）
针对非正常复数信号，利用互补协方差提出更通用的广泛线性复数卡尔曼滤波（WLCKF）和无迹WLCKF，性能优于传统复数卡尔曼滤波。
2011-11-17 cs.IT cs.SY eess.SY
Unscented Orientation Estimation Based on the Bingham Distribution
Intelligent Sensor-Actuator-Systems Laboratory (ISAS) Institute for Anthropomatics Karlsruhe Institute of Technology (KIT), Germany（智能传感器-执行器系统实验室（ISAS） 人机学研究所 卡尔斯鲁厄大学（KIT） 德国）；Computer Graphics Group Department of Computer Science University College London (UCL), United Kingdom（计算机图形学组 计算机科学系 伦敦大学学院（UCL） 英国）
本文提出基于Bingham分布的滤波器，考虑姿态估计的周期性，利用超球面上的分布特性提升非线性姿态估计的精度。
2013-11-22 cs.RO cs.SY eess.SY
Estimating States and Model Uncertainties Jointly by a Sparsity Promoting UKF
在许多工程领域中，只有所考虑系统的部分模型可用时的状态估计仍然是一个主要挑战。本文提出了一种联合平方根无迹卡尔曼滤波器，通过物理激励库函数的线性组合同时估计状态和模型不确定性。使用稀疏性促进方法，选择这些线性组合的选择，从而可以提取可解释的模型。结果表明，一个小的估计误差相比，传统的平方根无迹卡尔曼滤波器，并表现出增强的物理意义的模型。
2022-07-08 cs.SY eess.SP eess.SY
Dynamic State Estimation under Cyber Attacks: A Comparative Study of Kalman Filters and Observers
Argonne National Laboratory（阿贡国家实验室）；Purdue University（普渡大学）
本文研究了在存在未知输入和潜在攻击向量的情况下，利用同步相量测量数据进行实时智能电网监控的动态状态估计方法，比较了立方卡尔曼滤波器和动态观测器的性能。
2015-08-28 cs.SY eess.SY math.OC
Comparing Kalman Filters and Observers for Power System Dynamic State Estimation with Model Uncertainty and Malicious Cyber Attacks
University of Central Florida（中佛罗里达大学）；the University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）；Southern Methodist University（南卫理公会大学）
本文比较了卡尔曼滤波器与观测器在处理电力系统动态状态估计中的模型不确定性及网络攻击问题，通过测试发现CKF和观测器在鲁棒性上更优。
2018-06-29 cs.SY eess.SY math.OC
The Level Set Kalman Filter for State Estimation of Continuous-discrete Systems
针对具有非线性状态空间模型的连续-离散系统，提出了一种新的扩展卡尔曼滤波器，我们称之为水平集卡尔曼滤波器（LSKF）。LSKF假设概率分布可以近似为高斯分布，并通过时间更新步骤和测量更新步骤来更新高斯分布。与现有方法相比，LSKF改进了时间更新步骤，例如连续-离散体积卡尔曼滤波器（CD-CKF），其通过将基本的Fokker-Planck方程重新公式化为高斯的常微分方程，从而避免了时间上的扩展。与精心挑选的测量更新方法一起，数值实验表明，LSKF对于一系列参数具有比CD-CKF一致的性能改善，同时还简化了实现，因为不需要测量之间的用户定义的时间步长细分，并且不明确需要漂移函数的空间导数。
2021-12-13 cs.SY eess.SY
State Estimation Methods for Continuous-Discrete Nonlinear Systems involving Stochastic Differential Equations
在这项工作中，我们提出的方法，在连续离散非线性系统涉及随机微分方程的状态估计。我们提出了扩展卡尔曼滤波器，无味卡尔曼滤波器，集合卡尔曼滤波器和粒子滤波器。在Matlab中实现了状态估计方法。我们评估的性能的方法对修改后的四罐系统的模拟。我们实现了非刚性组系统的状态估计方法，即，使用显式数值积分方案。扩展卡尔曼滤波器的实现利用约瑟夫稳定形式的数值稳定性。我们评估的准确性的状态估计方法的平均绝对百分误差在模拟地平线。我们表明，每种方法成功地估计的状态和不可测的干扰的模拟修改后的四罐系统。最后，我们提出结论。
2022-05-05 cs.SY eess.SY math.OC
Estimation for Quadrotors
Brown University（布朗大学）；Udacity, Inc.（Udacity公司）；Fotokite（Fotokite公司）
本文基于四旋翼模型，推导了扩展卡尔曼滤波器的推导过程，提供EKF、贝叶斯滤波和无迹卡尔曼滤波的伪代码，旨在解决四旋翼状态估计中的噪声和计算限制问题。
2018-08-31 cs.RO cs.SY eess.SY
Extended Kalman Filtering for Recursive Online Discrete-Time Inverse Optimal Control
本文将离散时间逆最优控制问题转化为非线性滤波问题，提出一种基于扩展卡尔曼滤波的递归在线求解方法，利用Pontryagin可微编程高效计算雅可比矩阵，并首次为带噪不完整测量提供理论误差保证，且速度显著优于无迹卡尔曼滤波方法。
2024-03-16 cs.SY eess.SY
On Differential Privacy and Traffic State Estimation Problem for Connected Vehicles
这封信的重点是交通状态估计的高速公路网络的路口的形式上和下匝道，同时保持不同的隐私的交通数据的问题。两种类型的传感器被认为是固定的传感器，如感应线圈检测器和连接的车辆，提供交通密度和速度数据。采用著名的非线性二阶Aw-Rascle- Zhang（ARZ）模型对交通流动力学进行建模。该模型是制定为一个非线性状态空间差分方程。敏感性关系推导出给定的数据，然后用于制定一个差分隐私机制，该机制增加了高斯噪声的数据，使其差分隐私。提出了一种基于线性ARZ模型的交通状态估计的滚动时域估计方法。MHE与卡尔曼滤波器的变体，即扩展卡尔曼滤波器，包围卡尔曼滤波器和Unscented卡尔曼滤波器进行了比较。几个研究和工程问题的制定和分析进行，以找到相应的答案。
2022-09-06 cs.SY eess.SY math.OC
Kalman-Like Filter under Binary Sensors
研究了二值传感器下的线性/非线性类卡尔曼滤波问题。由于新息代表了传感器测量中的新信息，并用于校正卡尔曼滤波器（KLF）的预测，提出了一种新的不确定测量模型，使得从二进制传感器产生的新息可以被捕获。在考虑线性动态系统时，利用矩阵不等式构造了一个参数可调的保守估计误差协方差，然后通过最小化其迹导出了一个最优滤波增益。同时，通过最小化保守估计误差协方差的上界，给出了可调参数的最优选择准则。当考虑非线性动态系统时，利用无迹变换和矩阵不等式构造了一个参数可调的保守估计误差协方差。然后，遵循线性动态系统设计KLF的思想，设计了非线性滤波器增益和最佳可调参数。最后，通过$O_2$含量估计和非线性数值系统的仿真验证了所提方法的有效性和优越性。
2021-10-27 cs.SY eess.SY
