Chernoff fusion of Bernoulli Gaussian max filters
针对分布式跟踪中信息源统计相关性未知易导致跟踪发散的问题,本文推导了伯努利高斯最大滤波器的精确切尔诺夫融合方程,并验证了该可能性融合方案在统计相关性未知场景下的有效性。
2024-10-30 eess.SP
Nonlinear State Estimation using Gaussian Integral
在这封信中,一个新的滤波技术,以解决非线性状态估计问题已被开发。众所周知,对于非线性系统,先验和后验概率密度函数(pdf)本质上是非高斯的。然而,在这项工作中,他们被假定为高斯和随后的平均值,并计算他们的协方差。在所提出的方法中,过程动态和测量的非线性函数表示在一个多项式形式的泰勒级数展开的帮助。为了计算先验和后验均值和协方差,函数在高斯积分的帮助下在高斯pdf上积分。在两个非线性状态估计问题中对所提方法的性能进行了测试。仿真结果表明,该滤波器比体积卡尔曼滤波器、无迹卡尔曼滤波器等确定性采样点滤波器具有更高的精度。
2019-12-01 eess.SP
Variable Dimension IMM and GPB2 Filters for Tracking in Multiple Model Systems
Universidad Politécnica de Madrid(马德里理工大学)
本文提出变维交互多模型(VD-IMM)和变维二阶广义伪贝叶斯(VD-GPB2)滤波器,通过贝叶斯建模和KLD最小化处理不同维度状态的多模型跟踪,仿真验证其优于现有方法。
2026-09-28 eess.SP
Uncertainty Propagation in Finite Impulse Response Filters: Evaluating the Gaussian Assumption
本文研究了FIR滤波器在均匀量化噪声下的输出不确定性,发现其输出不确定性分布不服从高斯分布,但可通过最主要的滤波器系数进行估计。
2025-10-13 eess.SP
Uniform Resampling vs. Image Blur: Aliasing Approximation via Isotropic Gaussian Filtering
本文研究图像降采样中混叠失真的建模问题,发现混叠失真可用各向同性高斯低通滤波近似,并揭示高斯核标准差σ与下采样比m满足m≈2σ的经验关系,通过人脸数据集和TinyImageNet验证了该结论。
2025-05-08 eess.SP
Effect of filter shape on excess noise performance in continuous variable quantum key distribution with Gaussian modulation
量子密码学的一个有吸引力的实现是连续变量变化,因为它依赖于标准的电信组件。使用高斯格式调制量子信号是有吸引力的,因为它已被证明是安全的。研究了根升余弦脉冲整形和匹配滤波器的滚降对高斯调制量子密钥分发系统的超噪声性能的影响。与直觉相反,发现滚降参数不会显著影响系统的性能。
2018-08-14 eess.SP quant-ph
Removing Multi-frame Gaussian Noise by Combining Patch-based Filters with Optical Flow
基于块的方法,如3D块匹配(BM3D)和非局部贝叶斯(NLB)是广泛接受的过滤器,用于从单帧图像中去除高斯噪声。在这项工作中,我们提出了三个扩展这些过滤器时,存在多个帧的同一场景。第一种方法在每帧图像上采用参考图像块,而不是通常使用的单参考帧方法,从而利用了完整的可用信息。剩下的两种技术使用可分离的时空滤波器来减少不同区域之间的相互作用,从而减轻伪影。为了处理未注册的数据集,我们将所有扩展与强大的光流计算相结合。我们提出的两个多帧滤波器在大多数情况下都优于现有的扩展,同时也与最先进的基于神经网络的技术竞争。此外,这两种策略中的一种由于其可分离的设计而在所有策略中最快。
2021-05-19 eess.IV eess.SP
Autonomous Robotic Radio Source Localization via a Novel Gaussian Mixture Filtering Approach
Faculty of Engineering and Applied Sciences(工程与应用科学学院);Cranfield University(克兰菲尔德大学);Jet Propulsion Laboratory(喷气推进实验室);California Institute of Technology(加州理工学院);Cho Chun Shik Graduate School of Mobility(Cho Chun Shik 移动研究生院);Korea Advanced Institute of Science and Technology(韩国科学技术院)
针对未知环境下自主机器人无线电源定位的部分可观测与测量不确定问题,提出新型高斯混合滤波器,经数值基准与野外实验验证,其性能优于粒子滤波器,兼具低计算量与高鲁棒性。
2025-06-13 cs.RO eess.SP
Multidimensional Gabor-Like Filters Derived from Gaussian Functions on Logarithmic Frequency Axes
Norwegian University of Science and Technology(挪威科技大学)
提出一种基于对数频率轴高斯函数逆傅里叶变换的新型多维类小波函数,可便捷构建滤波器组,天然包含低通滤波,可视为广义多维Log-Gabor滤波器。
2024-01-19 cs.CV cs.LG cs.NE
Gaussian implementation of the multi-Bernoulli mixture filter
University of Liverpool(利物浦大学);Chalmers University of Technology(查尔姆斯理工大学);Commonwealth Scientific and Industrial Research Organisation(联邦科学与工业研究组织)
本文提出了多伯努利混合(MBM)滤波器的高斯实现。MBM滤波器在出生模型为多伯努利或多伯努利混合时为标准动态和雷达测量模型提供滤波(多目标)密度。在线性/高斯模型下,MBM混合物的单个目标密度允许高斯封闭形式的表达式。Murty算法用于选择具有最高权重的全局假设。MBM滤波器与文献中的其他算法进行了比较,通过数值模拟。
2019-08-23 cs.CV eess.SP stat.AP
Numerical Gaussian process Kalman filtering
KU Leuven(荷语鲁汶大学)
本文介绍了数值高斯过程卡尔曼滤波(GPKF)。数值高斯过程是近年来发展起来的一种模拟时空模型的方法。本文的贡献是将数值高斯过程嵌入到递归卡尔曼滤波方程中。这种嵌入使我们能够使用高斯过程对无限维系统进行卡尔曼滤波。这是可能的,因为i)我们从数值高斯过程获得线性模型,以及ii)该模型的状态根据定义是高斯分布的随机变量。数值GPKF的方便特性是不需要模型的空间离散化,并且不需要手动设置卡尔曼滤波器,即手动微调过程和测量噪声水平,因为它们是从数据流在线学习的。我们展示的能力的数值GPKF的平流方程的模拟研究。
2020-05-11 cs.LG eess.SP stat.CO
Neuromorphic FPGA Design for Digital Signal Processing
University of North Dakota(北达科他大学)
本文提出利用类脑计算技术在FPGA上实现数字信号处理,通过实验验证其在低延迟和持续学习方面的优势,同时指出其在功耗提升与数值精度之间的权衡。
2026-01-11 cs.NE eess.SP
[Re] The Discriminative Kalman Filter for Bayesian Filtering with Nonlinear and Non-Gaussian Observation Models
Rice University(莱斯大学)
本研究复现了Burkhart等人2020年提出的判别式卡尔曼滤波器的神经科学核心结果,提供了该MATLAB算法的开源Python替代版本,通过多随机种子和未用试次进一步验证了滤波器有效性。
2024-01-24 cs.LG cs.RO eess.SP
On the Effect of Pulse Shaping Filters in Zak-OTFS Waveform for Radar Sensing
Indian Institute of Science, Bangalore(印度科学研究所班加罗尔分校)
本文研究Zak-OTFS雷达波形中不同脉冲成形滤波器(sinc、高斯-辛格滤波器)对自模糊函数的影响,发现sinc和GS滤波器主瓣更窄,在多目标密集场景下分辨率更高,而高斯滤波器旁瓣更低,在稀疏场景下性能更好;当采用干扰抑制接收机时,sinc和GS滤波器在两种场景下均优于高斯滤波器。
2026-05-28 cs.IT eess.SP math.IT
A Gaussian-Sinc Pulse Shaping Filter for Zak-OTFS
本文针对 Zak-OTFS 中 sinc 与高斯滤波器在 I/O 关系估计和均衡检测上各有优劣的问题,提出一种兼具两者互补优势的高斯-sinc 脉冲成形滤波器,推导了闭式 I/O 关系与噪声协方差,并通过实验证明其在多种设置下相比现有滤波器获得显著信噪比增益和更优误码率性能。
2025-02-06 cs.IT eess.SP math.IT
A Data-Driven Gaussian Process Filter for Electrocardiogram Denoising
Emory University(埃默里大学);Georgia Institute of Technology(佐治亚理工学院)
提出一种数据驱动的 GP 滤波器,利用 ECG 相位域简化计算并消除临时超参数,在 PhysioNet QT Database 上验证其在去噪和 QT 间期估计上优于小波基准滤波器。
2024-01-09 cs.LG eess.SP q-bio.QM
Robust Maximum Correntropy Kalman Filter
卡尔曼滤波器为具有高斯噪声的线性系提供最优估计。然而,当噪声是非高斯的性质,其性能迅速恶化。对于非高斯噪声,最大相关熵卡尔曼滤波(MCKF)的发展,提供了一个改进的结果。但当系统模型与标称值不同时,MCKF的性能会下降。对于这种情况下,我们提出了一种新的鲁棒滤波技术,最大化的费用函数定义的指数加权过去和现在的错误以及高斯核函数。通过解决这个成本标准,我们开发了先验和后验均值和协方差阵传播方程。通过最大化误差矩阵的相关熵函数,我们选择了在每个时间步的核带宽值。并进一步给出了算法收敛的条件。给出了两个数值例子来说明新滤波技术的有效性。
2023-02-06 cs.SY eess.SP eess.SY
Adaptive Low-Pass Filtering using Sliding Window Gaussian Processes
Technical University of Munich(慕尼黑工业大学);Costa Rica Institute of Technology(哥斯达黎加理工学院)
当信号通过物理传感器测量时,它们会受到噪声的干扰。为了降低噪声,通常采用低通滤波器来衰减输入信号中的高频分量,而不管它们是来自噪声还是实际信号。因此,必须仔细调谐低通滤波器,以避免信号的显著恶化。这种调整需要关于信号的先验知识,这在强化学习或基于学习的控制等应用中通常不可用。为了克服这一局限性,我们提出了一种基于高斯过程回归的自适应低通滤波器。通过考虑先前观测的恒定窗口,可以实现足够快的更新和预测,以用于现实世界的过滤应用。此外,超参数的在线优化导致低通行为的自适应,使得不需要预先调谐。我们证明了所提出的方法的估计误差是一致有界的,并在几个仿真中证明了该方法的灵活性和效率。
2021-11-05 cs.LG cs.SY eess.SP
Feedback Capacity and a Variant of the Kalman Filter with ARMA Gaussian Noises: Explicit Bounds and Feedback Coding Design
New York University(纽约大学)
在本文中,我们与任何有限阶自回归移动平均(ARMA)高斯噪声的反馈信道的一个变种的卡尔曼滤波器。鉴于此,我们得到了相对明确的下界的反馈能力,这样的有色高斯噪声,和边界被认为是一致的各种现有的结果在文献中。同时,这种变体的卡尔曼滤波器也导致明确的递归编码方案具有明确的结构,以实现下界。在一般情况下,我们的研究结果提供了另一种观点,同时指出潜在的更严格的反馈能力问题的界限。
2021-06-03 cs.IT cs.LG cs.SY