Numerical Gaussian process Kalman filtering for spatiotemporal systems
提出了一种新的时空系统的卡尔曼滤波器，称为数值高斯过程卡尔曼滤波器（GPKF）。数值高斯过程最近被引入作为一种物理信息机器学习方法，用于模拟时间依赖的偏微分方程，而无需空间离散化。我们把数值GP的概率状态空间的形式。该模型是线性的，其状态服从高斯分布。这些性质使我们能够将数值GP状态空间模型嵌入到递归卡尔曼滤波器算法中。我们展示了两个案例研究的方法。
2021-05-05 cs.SY eess.SY
A summary on the UD Kalman Filter
本文档包含UD卡尔曼滤波器现有机制之一的简明统一参考。相关的矩阵算法也包括与相应的参考。
2022-06-29 cs.SY eess.SY
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 Elementary Introduction to Kalman Filtering
卡尔曼滤波是在诸如车辆的信号处理和自主控制的应用领域中使用的经典状态估计技术。它现在被用来解决计算机系统中的问题，如控制处理器的电压和频率。虽然在文献中有许多卡尔曼滤波的介绍，但它们通常处理诸如自主机器人或具有高斯噪声的线性系统之类的特定系统，这使得很难理解卡尔曼滤波背后的一般原理。在本文中，我们首先提出了抽象的思想背后的卡尔曼滤波的水平，任何人都可以与概率论和微积分的基本知识，然后显示这些概念如何可以应用到特定的问题，状态估计在线性系统。这种概念与应用程序的分离应该使它更容易理解卡尔曼滤波，并将其应用于计算机系统中的其他问题。
2019-06-27 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
CT-ESKF: A General Framework of Covariance Transformation-Based Error-State Kalman Filter
提出统一各类误差状态卡尔曼滤波算法的CT-ESKF框架，通过协方差变换解决InEKF在混合坐标系观测下的轨迹无关性失效问题，在INS/GNSS/里程计系统中性能优于InEKF和原始EKF。
2025-11-01 cs.SY eess.SY
Kalman Filtering with Probabilistic Uncertainty in System Parameters
在本文中，我们提出了一个强大的卡尔曼滤波框架的系统参数的概率不确定性。我们考虑两种情况，即离散时间系统和连续时间系统的离散测量。不确定性，其特征在于状态的均值和方差，使用条件期望和多项式混沌扩展框架传播。使用所提出的滤波器获得的结果进行比较与现有的鲁棒滤波器在文献中。所提出的滤波器在根均方误差和收敛速度方面表现出更好的性能。
2020-07-08 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
Structured Kalman Filter for Time Scale Generation in Atomic Clock Ensembles
针对原子钟组时间尺度生成，本文提出带卡尔曼规范分解变换矩阵的结构化卡尔曼滤波器，并通过凸优化分析其与CKF的最优性关系及初始协方差鲁棒性。
2023-12-07 cs.SY eess.SY
Kalman Filter Design for Intermittent Optical Wireless Communication Systems on Time Scales
时间尺度理论，由于其统一连续和离散的情况下，允许处理棘手的非均匀测量，如间歇接收信号的能力。在这项工作中，我们解决了振动引起的间歇光无线通信（OWC）系统的状态估计问题，通过设计一个卡尔曼滤波器的时间尺度。首先介绍了时间尺度卡尔曼滤波器的算法，并给出了一个数值例子。然后提出了所研究的间歇OWC系统，并收集实验数据，以确定时间尺度的形式，它具有有界粒度（a.k.a，有界时间跳跃）。最后，我们设计了一个卡尔曼滤波器在预先定义的时间尺度上的间歇OWC系统，并严格分析其估计性能。最后，在参考系上对所得结论进行了进一步验证.仿真结果证实了时间尺度卡尔曼滤波技术是相当有前途的解决非均匀测量的状态估计问题。本研究首次揭示了时间尺度卡尔曼滤波器理论应用于实际应用的可行性。
2022-03-30 cs.SY eess.SY
Iterated Invariant Extended Kalman Filter (IterIEKF)
IterIEKF通过高斯-牛顿再线性化提升精度，在低噪声环境下表现优异，用于起重机负载姿态估计优于传统IEKF。
2025-11-25 cs.SY eess.SY
On Kalman-Like Finite Impulse Response Filters
Naval University of Engineering（海军工程大学）
本文探讨了两种代表性有限脉冲响应滤波器之间的关系，指出两者的主要区别在于噪声统计处理和初始条件构造策略，为滤波器性能提升提供了新思路。
2015-01-27 cs.SY eess.SY
Spike-Kal: A Spiking Neuron Network Assisted Kalman Filter
针对卡尔曼滤波依赖系统建模与噪声统计知识的问题，本文提出Spike-Kal方法，通过集成脉冲神经网络（SNN）直接从观测数据近似最优增益矩阵，减少先验知识依赖并适应时变噪声，在保持估计性能的同时降低计算负担，平均误差较其他方法降低18%-65%。
2025-04-17 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
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
Ensemble Consider Kalman Filtering
针对非线性动态模型和量测模型中不确定参数的影响，提出了一种集成考虑卡尔曼滤波器。集成卡尔曼滤波器可以避免使用雅可比矩阵，降低计算复杂度，仍然不考虑模型的未知参数。通过将不确定性参数的统计特性引入到状态估计公式中，并采用增广状态法，在新的步长中通过重置集成成员来重置集成，从而导出了EnCKF算法。两个数值仿真结果表明，所提出的EnCKF可以减轻不确定参数的负面影响。
2019-06-16 cs.SY eess.SY
NLOS Error Mitigation Using Weighted Least Squares and Kalman Filter in UWB Positioning
在无线定位系统中，非视距（NLOS）是一个具有挑战性的问题。NLOS会引起较大的测距偏差和定位误差，因此抑制NLOS对高精度定位至关重要。在这封信中，我们提出了加权最小二乘鲁棒卡尔曼滤波器（WLS-RKF）的非视距识别和缓解。WLS-RKF采用基于马氏距离的假设检验进行NLOS辨识，并利用WLS解更新相应的卡尔曼滤波器。它不需要关于NLOS分布或信号特征的先验知识。我们进行仿真和实验的超宽带（UWB）定位在各种情况下。结果表明，WLS-RKF算法有效地抑制了NLOS误差，定位精度达到5cm。
2022-05-12 cs.SY eess.SY
On the Steady-State Distributionally Robust Kalman Filter
针对噪声分布不确定导致卡尔曼滤波性能下降的问题，提出基于Wasserstein模糊集的稳态分布鲁棒卡尔曼滤波器，通过离线求解凸半定规划获得恒定增益，并给出收敛条件，仿真验证其鲁棒性和准确性优于现有方法。
2025-03-31 cs.SY eess.SY
Dynamic Power Systems Line Outage Detection Using Particle Filter and Partially Observed States
由于部分相量测量单元（PMU）的部署和停电信号强度的变化，实时输电线路停电检测是困难的。现有的检测方法集中于监测PMU测量的节点代数状态，即，电压相位角和幅度。然而，这种方法的成功在很大程度上取决于强停电信号和停电位置附近PMU的存在。为了克服这些限制，在这项工作中提出了一个统一的框架，利用节点电压信息和发电机动态状态，例如，转子角位置所提出的计划被证明是更快，更强大的未知的停电位置，通过将发电机动态。使用IEEE 39节点系统的仿真数据，所提出的计划的属性和性能相比，现有的方法。新方法可以通过更快地检测停电并提供停电信号故障用于诊断目的，帮助提高运营商的实时态势感知能力，使未来的电力系统更具弹性。
2021-10-27 cs.SY eess.SY stat.AP
A Square-Root Kalman Filter Using Only QR Decompositions
Carnegie Mellon University（卡内基梅隆大学）
卡尔曼滤波器通过以均值和协方差的形式存储状态估计的高斯描述来操作。代替直接存储和操纵协方差矩阵，平方根卡尔曼滤波器仅形成和更新协方差矩阵的三角矩阵平方根。该算法比传统的卡尔曼滤波器具有更好的数值稳定性，工作精度提高一倍。本文提出了一种公式的平方根卡尔曼滤波器，利用QR分解，大大简化了产生的算法。
2022-08-12 cs.RO 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
Line Outage Identification Based on AC Power Flow and Synchronized Measurements
提出了一种基于相量测量单元（PMU）测量和交流潮流模型的电力系统单线路故障识别方法。除了主要的识别算法外，还引入了拒绝滤波器，对初步识别结果进行进一步处理，将其分为正确识别、错误识别和不确定（包括正确过滤和错误过滤）三类。系统测试的方法使用各种大小的测试系统的各种PMU的位置，和结果表明，所提出的识别算法具有较高的识别精度和建议的拒绝滤波器是能够降低误判率，而不显着增加的不确定的情况下。
2020-11-18 cs.SY eess.SP 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
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
Validation methodology on real data of reversible Kalman Filter for state estimation with Manifold
IRL2958 GT-CNRS GeorgiaTech Europe - Metz, France（GT-CNRS 高缇雅欧洲-梅斯）
本文提出了一种在真实数据中验证可逆卡尔曼滤波器准确性的方法，通过事件检测步骤切换滤波器类型以提高性能。
2026-01-19 cs.SY eess.SY math.OC
Invariant extended Kalman filter on matrix Lie groups
在矩阵李群上导出了保持对称不变的扩展卡尔曼滤波器（IEKF）。这些卡尔曼滤波器具有优于常规扩展卡尔曼滤波器的优点，因为这种滤波器的误差动态与组配置无关，而组配置又提供了对收敛区域的统一估计。建议的IEKF不同于文献中现有的技术，因为它是使用微分几何的最小工具导出的，在很大程度上简化了它的表示和推导。将滤波器误差动力学直接定义在李代数上，而不是用欧几里得空间来标识李代数或用指数映射来定义局部坐标系下的误差动力学，并在相应的线性算子空间上用张量代数来描述相应的微分Riccati方程.建议的滤波器实现的刚体，这是一个基准的控制问题的姿态动力学，其性能与传统的扩展卡尔曼滤波器（EKF）进行比较。数值实验结果表明，IEKF算法计算量小，性能优于EKF算法。
2019-12-29 cs.SY eess.SY math.OC
Stochastic Formulation of Causal Digital Twin: Kalman Filter Algorithm
我们为不同类型的数字孪生提供了一些基本和合理的定义，并就何时以及如何使用它们提出了建议。跟进我们最近出版的学习因果数字孪生，本文报道了一个随机制定和解决问题。将用于因果关系估计的结构向量自回归模型（SVAR）转化为状态空间模型。卡尔曼滤波器（和平滑），然后估计因果关系的因素，在一个系统的连接机器轴承。之前的神经网络算法和卡尔曼平滑器产生了非常相似的结果;然而，卡尔曼滤波器/平滑器可能对来自工业物联网源的噪声数据表现出更好的性能。
2021-05-11 cs.LG cs.SY eess.SY
Low-rank approximated Kalman filter using Oja's principal component flow for discrete-time linear systems
本文针对离散时间线性系统提出基于Oja主成分流的低秩近似卡尔曼滤波器，给出有界均方误差估计的系统理论条件，并通过数值仿真验证其有效性。
2024-09-04 cs.SY eess.SY math.OC
The geometry of low-rank Kalman filters
Mines ParisTech（巴黎高等矿业学院）；University of Liège（列日大学）
研究低秩卡尔曼滤波器的几何性质，通过合适的度量分析低秩Riccati流的收缩特性。
2013-08-12 cs.SY eess.SY math.OC
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
SE(3) based Extended Kalman Filter for Spacecraft Attitude Estimation
Naval University of Engineering（海军工程大学）
本文利用矩阵李群的概念研究了航天器姿态估计问题。通过将姿态和陀螺仪零偏作为SE（3）的组成部分，推导出了相应的扩展卡尔曼滤波器SE（3）-EKF。结果表明，所得到的SE（3）-EKF就是新推导的几何扩展卡尔曼滤波器（GEKF），可用于航天器姿态估计。这提供了一个新的视角GEKF除了共同的帧误差定义。此外，本文还推导了考虑参考坐标系姿态误差的SE（3）-EKF算法，所得算法与右不变EKF算法有很大的相似性。
2020-03-29 cs.RO cs.SY eess.SY
Experimental Implementation of an Invariant Extended Kalman Filter-based Scan Matching SLAM
Mines ParisTech（巴黎高等矿业学校）
本文提出将不变扩展卡尔曼滤波方法应用于扫描匹配SLAM问题，通过实验验证了其在机器人平台上的鲁棒性。
2014-03-20 cs.RO cs.SY eess.SY
An Information-Based Micro-Kalman Filter for Satellite Tracking: A Comparative Study
Institut Teknologi Sepuluh Nopember (ITS)（十月初六理工学院）
提出一种基于线性化模型的微卡尔曼滤波器（μKF），通过径向和角度状态估计卫星轨道，并与经典卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波及自适应卡尔曼滤波对比，μKF在低且有限的估计误差下达到相近性能。
2026-06-23 cs.SY eess.SY math.DS
Covariance Matching based robust Adaptive Cubature Kalman Filter
本文探讨了基于协方差匹配的自适应鲁棒容积卡尔曼滤波器（CMRACKF）。该方法利用新息序列确定测量噪声的协方差矩阵，克服了传统CKF的局限性。在该算法中，权值自适应调整，并用于在线更新测量噪声协方差矩阵。它还可以增强ACKF的自适应能力。仿真结果表明，该算法的性能进行评估。
2021-06-20 cs.SY eess.SP eess.SY
Implementation of Kalman Filter Approach for Active Noise Control by Using MATLAB: Dynamic Noise Cancellation
本文提出在ANC系统中采用卡尔曼滤波器替代FxLMS算法，以改善动态噪声的降噪效果，并通过数值模拟验证了其更优的收敛性能。
2024-02-10 cs.SY eess.AS eess.SP
Kalman Filter Meets Subjective Logic: A Self-Assessing Kalman Filter Using Subjective Logic
Ulm University（乌尔姆大学）
自我评估是自动驾驶安全性和鲁棒性的关键。为了设计更安全、更强大的自动驾驶功能，我们的目标是自我评估整个自动驾驶系统中每个模块的性能。自动驾驶系统中的一个关键组件是跟踪周围的物体，其中卡尔曼滤波器是最基本的跟踪算法。对于卡尔曼滤波器，一些经典的在线一致性措施存在的自我评估，这是基于经典的概率理论。然而，这些经典的方法缺乏能力来衡量明确的统计不确定性的自我评估，这是一个重要的质量措施，特别是，如果只有少量的样本可用于自我评估。在这项工作中，我们提出了一种新的在线自我评估方法，使用主观逻辑，这是一个现代的扩展概率逻辑，明确建模的统计不确定性。因此，通过将经典卡尔曼滤波嵌入到主观逻辑中，我们的方法还具有在自我评估中对统计不确定性的明确测量。
2020-07-01 cs.RO cs.SY eess.SP
A Convex Optimization Framework for Computing Robustness Margins of Kalman Filters
该研究提出联合确定 Kalman 增益与噪声鲁棒裕度的凸优化框架，可在保证指定稳态误差的同时最大化过程和传感器噪声，并通过航天器与 F-16 模型验证。
2024-03-05 cs.SY eess.SY math.OC
On Computational Complexity Reduction Methods for Kalman Filter Extensions
卡尔曼滤波器及其扩展在大量的航空航天和导航应用中用于时间序列的非线性状态估计。在文献中，已经提出了不同的方法来利用状态和测量模型的结构，以减少算法的计算需求。在本教程中，我们调查现有的代码优化方法，并使用统一的符号，使他们能够与各种卡尔曼滤波器扩展使用。我们开发的优化方法，以涵盖更广泛的模型，显示如何不同的结构优化可以结合起来，并提出了新的应用现有的优化。此外，我们提出了一个例子，表明利用的问题的结构可以导致提高估计精度，同时减少计算量。本教程适用于熟悉卡尔曼滤波并希望了解如何减少不同卡尔曼滤波器扩展的计算需求的人员。
2019-10-10 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
Learning the Kalman Filter with Fine-Grained Sample Complexity
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
我们开发了离散时间无限时域卡尔曼滤波中无模型策略梯度（PG）方法的第一个端到端样本复杂度。具体来说，我们介绍了滚动时域政策梯度（RHPG-KF）框架，并证明了$\tilde{\mathcal{O}}(ε^{-2})$样本复杂性RHPG-KF学习稳定的过滤器，是$ε$ -接近最优卡尔曼滤波器。值得注意的是，所提出的RHPG-KF框架不要求系统是开环稳定的，也不假设稳定滤波器的任何先验知识。我们的研究结果揭示了应用无模型PG方法来控制一个线性动力系统的状态测量可能会被破坏的统计噪声和其他（可能是敌对的）干扰。
2023-02-28 cs.AI cs.LG cs.SY
Ensemble Kalman Filters with Resampling
本文提出一种结合额外重采样步骤的集合卡尔曼滤波器，通过打破粒子间依赖性改进理论分析，并在数值示例中表现良好。
2024-07-27 cs.NA cs.SY eess.SY
A simple derivation of the Kalman filter
University of Bologna（博洛尼亚大学）；University of Arkansas（阿肯色大学）；Massachusetts Institute of Technology（麻省理工学院）
本讲义基于最小二乘估计基础，给出离散时间卡尔曼滤波器方程的简洁自包含推导，兼顾严谨性与通用性，减少数学开销。
2026-09-03 cs.SY eess.SP eess.SY
