Implicit Particle Filtering via a Bank of Nonlinear Kalman Filters
本文针对隐式粒子滤波的计算实现问题，利用粒子更新与 Kalman 滤波更新的联系，提出由一组非线性 Kalman 滤波器构成的新型实现，以提升计算可行性与效率。
2023-06-07 cs.SY eess.SY
An Improved Stability Condition for Kalman Filtering with Bounded Markovian Packet Losses
本文研究了有界马尔可夫丢包下的卡尔曼滤波峰值协方差稳定性，通过时间齐次有限状态马尔可夫链控制连续丢包长度，建立充分稳定性条件并转化为线性矩阵不等式可行性问题，条件对状态相似变换不变且更保守。
2015-01-22 cs.SY eess.SY
KalMRACO: Unifying Kalman Filtering and Model Reference Adaptive Control for Robust Control and Estimation
SINTEF Ocean（SINTEF海洋研究所）；Norwegian University of Science and Technology（挪威科技大学）
KalMRACO结合卡尔曼滤波与模型参考自适应控制，利用参考模型作为卡尔曼滤波系统模型，减少对系统参数的依赖，通过状态和测量融合确保稳定性，经仿真和实验证实具有优异的跟踪和噪声抑制性能。
2026-06-29 cs.SY eess.SY
Covariance-Intersection-based Distributed Kalman Filtering: Stability Problems Revisited
本文重新研究了基于协方差交叉的分布式卡尔曼滤波在时变系统中的稳定性，建立误差协方差与可观测性格拉姆矩阵的关系，证明周期时变情形下滤波周期性收敛且闭环转移矩阵Schur稳定，且无需网络连通性假设。
2025-04-08 cs.SY eess.SY
Invariant Kalman Filtering with Noise-Free Pseudo-Measurements
本文提出将状态等式约束作为无噪声伪测量引入不变扩展卡尔曼滤波，推导了秩亏协方差下的卡尔曼增益公式，并在桥式起重机吊钩负载运动估计中验证了该方法。
2024-04-16 cs.SY eess.SY
Covariance Intersection-based Invariant Kalman Filtering(DInCIKF) for Distributed Pose Estimation
本研究提出一种基于带协方差相交的不变卡尔曼滤波器的多智能体分布式位姿估计新方法，可有效处理协同定位的复杂相关性，保证估计合理性，且算法具备一致性与稳定性。
2024-09-12 cs.SY eess.SY
Iteratively Saturated Kalman Filtering
针对卡尔曼滤波易受异常值影响的问题，提出迭代饱和卡尔曼滤波（ISKF），通过缩放梯度法实现鲁棒估计，在保持低单步成本与实现简单性的同时提供异常值鲁棒性，并支持适合实时系统的稳态变体。
2025-06-30 cs.SY eess.SY
Neural-Enhanced Micro-Kalman Filtering for Satellite Tracking: A Comparative Study
Institut Teknologi Sepuluh Nopember (ITS)（十月份理工学院）
研究卫星跟踪中准确状态估计的问题，提出神经增强微卡尔曼滤波方法，通过引入轻量级神经缩放机制在线调整噪声协方差，经数值模拟对比，该方法能准确跟踪卫星状态，兼具计算优势，为卫星状态估计提供有效灵活框架。
2026-07-09 cs.SY eess.SY
Stability analysis of distributed Kalman filtering algorithm for stochastic regression model
针对传感器网络协同信号跟踪问题，提出基于扩散策略的分布式卡尔曼滤波算法，证明其在非独立非平稳信号下的稳定性，验证了单传感器失效时仍可协同完成估计的优势。
2024-11-02 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
Scalable Sensor Scheduling for Continuous-Discrete Kalman Filtering via Information-Form Surrogate Dynamics
School of Electrical Engineering, Korea Advanced Institute of Science & Technology (KAIST)（韩国科学技术院电气工程学院）
本文提出一种信息形式确定性代理，用于连续-离散卡尔曼滤波的可扩展离线设计，通过传感器特定的加性信息增量消除混合状态-输入导数，简化了非线性程序的导数结构，并提供了可计算的双侧性能界限。
2026-04-23 cs.SY eess.SY
Optimal PMU Placement for Kalman Filtering of DAE Power System Models
本文针对DAE电力系统动态状态估计，提出通过最小化卡尔曼滤波稳态协方差并将问题转化为混合整数半定规划的最优PMU布点方法，实验表明其性能优于贪心算法。
2025-02-05 cs.SY eess.SY
Distributed Kalman filtering with minimum-time consensus algorithm
Huazhong University of Science and Technology（华中科技大学）；The Hong Kong University of Science and Technology（香港科技大学）；University of Waterloo（滑铁卢大学）；The University of Newcastle（纽卡斯尔大学）；University of Cambridge（剑桥大学）；University of Luxembourg, Faculté des Sciences, de la Technologie et de la Communication（卢森堡大学科学与技术通讯学院）
本文提出一种结合局部协方差计算方案的分布式卡尔曼滤波方法，通过最小时间一致性算法加速状态估计收敛，结合理论分析和数值模拟验证了方法的有效性。
2017-03-16 cs.SY eess.SY
Do the Contemporary Cubature and Unscented Kalman Filtering Methods Outperform Always the Traditional Extended Kalman Filter?
CEMAT (Center for Computational and Stochastic Mathematics), Instituto Superior Técnico, Universidade de Lisboa（里斯本大学高等理工学院计算与随机数学中心）
本文探讨了在存在刚性行为的随机系统中，传统扩展卡尔曼滤波可能优于当代方法的问题。
2016-04-15 cs.SY eess.SY math.OC
High Accuracy Distributed Kalman Filtering for Frequency and Phase Synchronization in Distributed Phased Arrays
针对分布式相控阵在微波及以上频率的频率与相位同步难题，提出HA-DKF，通过多类本地状态与协方差的一致性平均提升同步精度，仿真证明其收敛更快且性能更优。
2023-02-18 cs.SY eess.SY
Adaptive Kalman Filtering Developed from Recursive Least Squares Forgetting Algorithms
本研究提出KFLS代价函数并证明RLS扩展是卡尔曼滤波特例，据此结合二者提出一类自适应卡尔曼滤波，数值算例验证其对含间歇性未建模碰撞的质量-弹簧-阻尼器系统状态估计更优，可为非经典扰动系统提供增益。
2024-04-16 cs.SY eess.SP eess.SY
Nonlinear Bayesian Estimation: From Kalman Filtering to a Broader Horizon
University of Kansas（堪萨斯大学）；Mitsubishi Electric Research Laboratories（三菱电机研究实验室）；New Jersey Institute of Technology（新泽理工学院）；US Army Research Laboratory（美国陆军研究实验室）
本文综述了非线性贝叶斯估计的最新进展，系统介绍了状态估计框架，回顾了从标准卡尔曼滤波到扩展卡尔曼滤波、无迹卡尔曼滤波和集合卡尔曼滤波等方法，并扩展到更复杂的联合状态和参数估计问题。
2017-12-14 cs.SY eess.SY
Partial Diffusion Kalman Filtering
Malayer University（马拉耶尔大学）；American University in Dubai（迪拜美国大学）；University of Surrey（萨里大学）
本文提出部分扩散卡尔曼滤波算法，通过限制节点仅向邻居分享部分中间估计向量以减少通信量，分析了算法的稳定性和均方误差，并验证了其在通信成本与估计性能间的良好平衡。
2017-05-24 cs.SY eess.SY
Estimation and Fault Detection on Hydraulic System with Adaptive-Scaling Kalman and Consensus Filtering
本文针对三水箱互联液压系统的泄漏故障，提出基于李雅普诺夫稳定性的状态估计与阈值检测方法，并通过仿真对比Luenberger观测器、自适应缩放卡尔曼滤波和一致性滤波，验证了在$t_d > t_f$时能够保证故障检测。
2023-04-08 cs.SY eess.SY
A Normal Variance Mixture Model for Robust Kalman Filtering
针对卡尔曼滤波在异常值下性能退化的问题，提出正态方差混合滤波器（NVMF），用重尾分布替代高斯噪声，逆伽马混合密度下获得闭式递推，模拟中性能优于卡尔曼及多种鲁棒滤波器。
2025-02-25 cs.SY eess.SY
Nonlinear Kalman Filtering based on Self-Attention Mechanism and Lattice Trajectory Piecewise Linear Approximation
本文提出注意力卡尔曼滤波（AtKF），利用自注意力网络捕捉状态序列依赖关系，并通过格型轨迹分段线性近似与批量估计实现并行预训练，在非线性系统中显著提升了噪声干扰和模型失配下的滤波性能。
2024-04-05 cs.SY eess.SY
A Kalman Filtering approach of improved precision for fault diagnosis in distributed parameter systems
Unit of Industrial Automation, Industrial Systems Institute（工业自动化单元，工业系统研究所）
本文提出无导数非线性卡尔曼滤波用于估计和诊断分布式参数系统，特别是由非线性波动方程描述的动力系统。通过将非线性波动方程的动态估计转换为线性规范形式，利用标准卡尔曼滤波递归进行局部状态估计，并通过局部统计方法处理残差进行故障诊断。
2013-11-03 cs.SY eess.SY
Extending the practical applicability of the Kalman Filter
施密特滤波器是对卡尔曼滤波器的修改，允许将系统参数作为状态附加，并在滤波过程中考虑其不确定性影响，而无需尝试估计此类参数。仅被考虑但未被估计的状态通常被称为\textit{consider}或\textit{considered}状态。本研究的主要贡献是施密特-卡尔曼滤波器，它结合了著名的平方根和因式分解滤波形式的数值鲁棒性，加上积极尝试更新的能力\textit{considered}状态的配方。在这项研究中提出的过滤器配方是一个基本的扩展卡尔曼滤波器。因此，这项工作的公式也适用于扩展卡尔曼滤波器的框架内。更重要的是，他们被证明可以处理非线性，较大的初始不确定性，和不良条件下的系统比一个典型的扩展或施密特卡尔曼滤波器。由于新的滤波器直接基于施密特滤波器，因此它们提供了一种新颖而直接的滤波框架，允许在可能需要更先进或更详细技术的情况下使用更简单的滤波器。
2022-08-26 cs.SY eess.SY
Kalman Filtering over Fading Channels: Zero-One Laws and Almost Sure Stabilities
College of Control Science and Engineering, Zhejiang Universiy（浙江大学控制科学与工程学院）；Research School of Engineering, The Australian National University（澳大利亚国立大学工程研究学院）；Data61-CSIRO（数据六十一-澳大利亚联邦科学与工业研究组织）；ACCESS Linnaeus Centre, School of Electrical Engineering, Royal Institute of Technology（皇家理工学院电气工程学院ACCESS林奈斯中心）
本文研究了在由*混合随机过程建模的衰减信道上卡尔曼滤波的概率稳定性，定义了上界和下界几乎确定稳定性及绝对上界和下界几乎确定稳定性，并证明这些稳定性遵循零一定律，且在滤波系统单步可观测时，绝对上界和下界几乎确定稳定性也可用零一定律解释，建立了通用稳定性条件。
2017-11-25 cs.SY eess.SY
Adaptive Extended Kalman Filtering for Battery State of Charge Estimation on STM32
本文提出一种基于最大似然估计协方差自适应的AEKF方法用于电池SoC估计，并通过优化窗口大小在STM32上实现了高精度、低计算量的嵌入式部署。
2025-04-08 cs.SY eess.SY
Kalman Filtering over Gilbert-Elliott Channels: Stability Conditions and the Critical Curve
本文研究了在吉尔伯特-埃利奥特信道上卡尔曼滤波的稳定性，建立了基于系统矩阵谱半径和马尔可夫链转移概率的松弛条件，证明了该条件与线性矩阵不等式可行性问题的关系，并推导了临界曲线以确定卡尔曼滤波的均方稳定性。
2014-11-05 cs.SY eess.SY
Distributed Kalman-filtering: Distributed optimization viewpoint
School of Robotics, Kwangwoon University（光云大学机器人学院）
本文从分布式优化的角度出发，研究了多传感器通过通信网络连接时的卡尔曼滤波问题，提出了一种基于分布式优化的分布式卡尔曼滤波方法，并通过数值实验评估了其性能。
2019-03-28 cs.MA cs.SY eess.SY
Probabilistic Performance Bounds for Randomized Sensor Selection in Kalman Filtering
研究了线性时不变动力系统在过程噪声和测量噪声下的传感器随机选择问题。我们对传感器进行独立采样，并且来自相同的分布。我们通过估计误差协方差来衡量卡尔曼滤波器的性能。使用随机矩阵理论的工具，我们得到的估计误差协方差在半定意义上的概率界。我们间接地提高了我们的卡尔曼滤波器的最大特征值度量的性能，并表明在一定条件下，最小化上界的最大特征值的最佳采样分布是一个适当定义的凸优化问题的解决方案。我们的数值结果表明，在提高卡尔曼滤波器的性能相对于平凡的均匀采样分布和贪婪采样$\textit{with replacement}$算法的最佳采样方案的功效。
2021-03-20 cs.SY eess.SY math.OC
Recurrent Neural Network Training with Convex Loss and Regularization Functions by Extended Kalman Filtering
IMT School for Advanced Studies（IMT高等研究院）
本文研究了使用扩展卡尔曼滤波来训练具有相当一般的凸损失函数和正则化项的递归神经网络的网络参数，包括$\ell_1$ -正则化。我们表明，学习方法是有竞争力的随机梯度下降在非线性系统辨识基准和训练线性系统的二进制输出。我们还探讨了该算法在数据驱动的非线性模型预测控制中的应用及其与无偏置闭环跟踪干扰模型的关系。
2022-11-02 cs.LG cs.SY eess.SY
On the stable Cholesky factorization-based method for the maximum correntropy criterion Kalman filtering
本文针对最大相关熵准则卡尔曼滤波，提出首个基于Cholesky分解的鲁棒数值稳定平方根实现方法，采用协方差矩阵平方根因子与迭代正交变换，实验显示其性能优于传统及现有Cholesky基变体。
2023-11-04 cs.SY eess.SY math.OC
Error Bounds and Guidelines for Privacy Calibration in Differentially Private Kalman Filtering
University of Florida（佛罗里达大学）
本文研究了在差分隐私保护下卡尔曼滤波的状态轨迹误差界和隐私校准方法，通过建立误差和熵界，为保持滤波误差在预设范围内提供隐私校准指导。
2019-09-23 cs.SY eess.SY math.OC
Statistical Linear Regression Approach to Kalman Filtering and Smoothing under Cyber-Attacks
本文针对网络攻击下信息物理系统的远程状态估计问题，利用广义统计线性回归近似受损测量模型，提出卡尔曼滤波与RTS平滑算法，并通过飞机跟踪仿真验证其有效性。
2025-04-11 cs.SY eess.SP eess.SY
Kalman Filtering with Gaussian Processes Measurement Noise
机器人等应用中的真实测量噪声通常与时间相关，但我们通常假设i.i.d.高斯噪声滤波。我们提出了一般高斯过程作为相关测量噪声的非参数模型，它足够灵活，可以及时准确地反映相关性，但又足够简单，可以实现高效的计算。我们表明，该模型准确地反映了基于视觉的同时定位和映射（SLAM）产生的测量噪声，并认为它提供了一种灵活的手段建模测量噪声的各种传感器系统和感知算法。然后，我们扩展现有的结果与自回归过程的卡尔曼滤波更一般的高斯过程，并证明我们的方法的改进性能。
2019-09-23 cs.LG cs.RO cs.SY
The Setting of IMU Parameters in Kalman Filtering-based Information Fusion
Tongji University（同济大学）
该研究针对卡尔曼滤波信息融合中IMU参数设置难题，提出基于Allan方差校准的方法，验证了其在两类IMU传感器融合系统中的可行性与有效性。
2026-08-26 cs.RO cs.SY eess.SY
On the Complexity and Approximability of Optimal Sensor Selection for Kalman Filtering
Purdue University（普渡大学）；Washington State University（华盛顿州立大学）
研究了在卡尔曼滤波中选择最优传感器集的问题，证明该问题即使在系统稳定且传感器成本相同的情况下仍为NP难，并不存在多项式时间常数因子近似算法。
2018-03-28 cs.SY eess.SY math.OC
Distributed Widely Linear Complex Kalman Filtering
Imperial College London（帝国理工学院）
本文提出分布式广泛线性复卡尔曼滤波器，用于统一处理正态与非正态复信号，通过节点协作提升非正态数据和观测噪声相关性的处理能力，实现增强性能。
2013-11-18 cs.IT cs.SY eess.SY
A Unified Approach to Optimally Solving Sensor Scheduling and Sensor Selection Problems in Kalman Filtering
针对线性动态系统状态估计中一般形式的传感器调度问题，提出一种利用卡尔曼滤波最优性推导的混合整数优化统一方法，可快速求得30至50状态系统的最优解，覆盖多类相关研究问题。
2023-12-11 cs.SY eess.SY math.OC
Risk-Bounded Control with Kalman Filtering and Stochastic Barrier Functions
Arizona State University（亚利桑那州立大学）；Toyota Research Institute of North America（丰田北美研究院）
在本文中，我们研究随机控制障碍函数（SCBFs），使概率安全的实时控制器的设计存在的不确定性和噪声测量的基础上。我们的目标是设计控制器，约束系统故障的概率在有限的时间到一个给定的期望值。为此，我们首先估计系统状态的噪声测量使用扩展的卡尔曼滤波器，并计算置信区间的滤波误差。然后，我们考虑到过滤误差，并推导出充分条件的控制输入的基础上估计的状态，以约束的概率，系统的真实状态在有限的时间间隔内进入一个不安全的区域。我们表明，这些充分条件是控制输入的线性约束，因此，它们可以用于易处理的优化问题，以实现安全，除了其他属性，如可达性和稳定性。我们的方法进行评估，使用模拟的车道变化的情况下，在高速公路上密集的交通。
2021-12-30 cs.RO cs.SY eess.SY
Kalman Filtering With Relays Over Wireless Fading Channels
University of Melbourne（墨尔本大学）；University of Paderborn（帕德博恩大学）
本文研究了通过中继改善无线分组丢包链路中卡尔曼滤波性能的方法，分析了中继配置和功率控制对滤波性能的影响，展示了中继、网络编码和功率控制可带来显著性能提升。
2015-05-19 cs.IT cs.SY 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
Communication-Efficient Distributed Kalman Filtering using ADMM
针对分布式卡尔曼滤波中的通信瓶颈，本文利用增广拉格朗日方法转化约束，并应用ADMM实现仅交换原始变量的高效分布式滤波，且收敛性分析证明估计收敛到全局最优。
2025-01-22 cs.SY eess.SP eess.SY
A Two-Stage Architecture for Differentially Private Kalman Filtering and LQG Control
Department of Electrical Engineering, Polytechnique Montreal（蒙特利尔理工大学电气工程系）；GERAD
本文提出了一种两阶段架构，用于在满足隐私约束的情况下处理卡尔曼滤波和LQG控制问题，通过先聚合个体代理信号再添加隐私保护噪声和后滤波，从而在输入扰动方案中实现显著的性能提升，且通过半定规划可计算最优静态聚合阶段。
2020-05-17 cs.CR cs.SY eess.SY
Application of Kalman Filter in Stochastic Differential Equations
本文探讨将卡尔曼滤波理论（包括扩展卡尔曼滤波和粒子扩展卡尔曼滤波）应用于随机微分方程，通过滤波拟合SDE系统并跟踪其闭式解，以获取更多信息用于基于数据的SDE模型参数。
2024-04-21 cs.NA cs.SY eess.SY
On the Complexity and Approximability of Optimal Sensor Selection and Attack for Kalman Filtering
给定一个受随机噪声影响的线性动力系统，我们考虑选择一组最佳的传感器（在设计时），以尽量减少跟踪的稳态先验或后验误差协方差的卡尔曼滤波器，受到一定的选择预算约束的问题。我们的基本结果是，没有多项式时间常数因子近似算法这个问题。这与文献中研究的其他类别的传感器选择问题形成对比，文献中研究的其他类别的传感器选择问题通常通过利用贪婪算法和费用函数的子模块性（或超模块性）来追求恒定因子近似。在这里，我们提供了一个具体的例子表明，贪婪算法可以任意执行卡尔曼滤波的设计时传感器选择的问题。然后我们研究攻击的问题（即，在预定义的攻击预算约束下，移除）一组安装的传感器，以最大化卡尔曼滤波器的先验或后验误差协方差的稳态的轨迹。再次，我们表明，没有多项式时间常数因子近似算法，这个问题，并特别显示，贪婪算法可以任意执行差。
2020-07-10 cs.CC cs.SY eess.SY
Outlier-robust Kalman Filtering through Generalised Bayes
School of Mathematical Sciences, Queen Mary University（伦敦玛丽大学数学科学学院）；Oxford-Man Institute of Quantitative Finance, University of Oxford（牛津大学牛津-曼量化金融研究所）；Department of Statistical Science, University College London（伦敦大学学院统计科学系）；Department of Mathematics and Statistics, Memorial University of Newfoundland（纽芬兰纪念大学数学与统计系）；Mathematical Institute, University of Oxford（牛津大学数学研究所）；Institute for Cognitive Science, University of Colorado Boulder（科罗拉多大学博尔德分校认知科学研究所）；Google DeepMind（谷歌DeepMind）
提出一种结合广义贝叶斯与扩展/集成卡尔曼滤波的闭式鲁棒更新规则，在低计算成本下优于变分贝叶斯等鲁棒滤波方法，适用于异常值场景下的目标跟踪、混沌系统状态估计和神经网络在线学习。
2024-05-28 cs.LG cs.SY eess.SY
A Game-Theoretic Approach to Robust Fusion and Kalman Filtering Under Unknown Correlations
University of Pennsylvania（宾夕法尼亚大学）
本文提出一种博弈论方法，用于在未知交叉相关性下融合两个随机向量，并在分布式状态估计中展示了其优于协方差交集的性能。
2016-10-04 cs.RO cs.SY eess.SY
Differentially Private Kalman Filtering
Ecole Polytechnique de Montreal（蒙特利尔高等商学院）；University of Pennsylvania（宾夕法尼亚大学）
针对需要保护个体数据隐私的H2（卡尔曼）滤波问题，提出基于差分隐私的机制，并通过控制H∞范数减轻隐私机制对估计性能的影响。
2012-07-19 cs.CR cs.SY eess.SY
Sample Complexity of Kalman Filtering for Unknown Systems
在本文中，我们考虑的任务是设计一个卡尔曼滤波器（KF）的未知和部分观测的自治线性时不变系统驱动的过程和传感器噪声。要做到这一点，我们建议研究以下两个步骤的过程：第一，使用系统辨识工具植根于子空间方法，我们获得粗糙的有限数据估计的状态空间参数和卡尔曼增益描述的自治系统;第二，我们使用这些近似参数来设计一个过滤器，产生的系统状态的估计。我们表明，当系统辨识步骤产生足够准确的估计时，或者当潜在的真实KF足够鲁棒时，直接使用估计的参数设计的一个，享有可证明的次优性保证。我们进一步表明，当这些条件失败时，特别是当CE KF在边缘稳定时（即，具有非常接近单位圆的特征值），对滤波器施加额外的鲁棒性约束导致类似的次优性保证。我们进一步表明，以高概率，CE和鲁棒滤波器的平均预测误差有界的$\tilde O(1/\sqrt{N})$，其中$N$是在系统辨识步骤中收集的数据点的数量。据我们所知，这些是未知系统的卡尔曼滤波的第一个端到端样本复杂性界限。
2020-05-13 cs.LG cs.SY eess.SY
Ensemble Kalman-Bucy filtering for nonlinear model predictive control
Institut für Mathematik, Universität Potsdam（波茨坦大学数学研究所）
针对部分观测动力系统中状态估计与最优控制割裂的问题，本文将集合 Kalman-Bucy 滤波引入非线性模型预测控制，用交互粒子近似 Pontryagin 极大值原理的正倒向随机微分方程，并在倒立摆上验证性能。
2025-03-16 cs.LG cs.NA cs.SY
