The Innovation Null Space of the Kalman Predictor: A Stochastic Perspective for DeePC
KTH Royal Institute of Technology（皇家理工学院）
本文从随机视角探讨了卡尔曼预测器的创新空域，提出在存在噪声时，决策变量g的最佳选择是创新Hankel矩阵的空域，从而改进预测器性能。
2025-12-16 cs.SY eess.SY math.OC
Change-Aware Self-Adaptive AI-Aided Kalman Filters With Neural Change Point Detection
Northwestern Polytechnical University（西北工业大学）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；Ben-Gurion University of the Negev（内盖夫本古里安大学）
研究动态系统状态估计受多种因素挑战的问题，提出CASA-KalmanNet框架，集成CPDNet模块监测KalmanNet内部特征并提供可靠性指标，动态调节学习过程，实验表明其在模型不匹配时性能优越，接近最优经典方法。
2026-07-16 cs.SY eess.SY
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
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
Dual Ensemble Kalman Filter for Stochastic Optimal Control
针对连续时间与空间中的随机最优控制问题，本文提出基于仿真的对偶 EnKF 算法以数值近似求解，并通过数值实验验证相关理论与方法。
2024-10-26 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
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
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
Distributed Kalman Filter in a Network of Linear Dynamical Systems
Zhejiang University（浙江大学）；National Scientific and Technical Research Council（国家科学和技术研究委员会）；University of Newcastle（纽卡斯尔大学）
本文研究了互联子系统的分布式卡尔曼滤波问题，提出了一种利用网络结构仅用一次预测/更新步骤的分布式滤波方法，证明其渐近收敛于集中卡尔曼滤波，并能界定了收敛速率。
2017-11-21 cs.SY eess.SY
DMTrack: Deformable State-Space Modeling for UAV Multi-Object Tracking with Kalman Fusion and Uncertainty-Aware Association
针对无人机多目标跟踪中运动复杂、身份易切换的问题，提出融合可变形状态空间预测、卡尔曼门控融合与不确定性关联的DMTrack框架，在基准上实现了最优跟踪性能与高效推理。
2025-10-15 cs.CV cs.SY eess.SY
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
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
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
Decentralized consensus finite-element Kalman filter for field estimation
Dipartimento di Ingegneria dell’Informazione (DINFO), Università di Firenze（佛罗伦萨大学信息与工程学院）
本文提出一种去中心化共识有限元卡尔曼滤波方法，用于空间分布式系统的状态估计。通过将领域分解为重叠子领域，每个节点运行局部有限维卡尔曼滤波器，利用有限元方法进行空间离散化，并通过并行Schwarz方法迭代实现相邻子领域的估计和协方差一致性。
2016-04-08 cs.SY eess.SY math.OC
Polynomial Updates for the Unscented Kalman Filter
Iowa State University（爱荷华州立大学）
本文提出基于多项式近似的多项式无迹卡尔曼滤波，通过Conjugate Unscented Transformation提升状态估计精度和协方差一致性。
2026-03-11 cs.SY eess.SY math.PR
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
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
BVE + EKF: A viewpoint estimator for the estimation of the object's position in the 3D task space using Extended Kalman Filters
INESC TEC；FEUP（波尔图工程学院）；ISR, University of Coimbra（科英布拉大学系统与机器人研究所）；KUCARS, Khalifa University（哈利法大学 KUCARS）
针对RGB-D传感器易受环境干扰及深度学习方案复杂难预测的问题，提出由EKF驱动的高斯视点估计器BVE预测物体3D位置，实验平均欧几里得误差约32 mm。
2024-10-03 cs.LG cs.RO cs.SY
Robust Automatic Differentiation of Square-Root Kalman Filters via Gramian Differentials
Department of Statistics, University of Warwick（沃里克大学统计系）
本文提出通过格拉姆微分解决平方根卡尔曼滤波器的自动微分问题，证明了即使在秩不足情况下，格拉姆矩阵也能保证损失函数的平滑性。
2026-03-13 cs.LG cs.SY eess.SP
Neural Aided Adaptive Innovation-Based Invariant Kalman Filter
本文提出一种结合不变滤波理论与神经辅助自适应噪声估计的卡尔曼滤波器，用于提升自主水下导航的定位精度，实验表明其在位置均方误差方面优于现有方法。
2026-03-17 cs.RO cs.SY eess.SP
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
Kalman Filter Tuning with Bayesian Optimization
在给定状态空间过程模型和观测模型的情况下，必须对多种状态估计算法进行调整，必须选择过程噪声参数和观测噪声参数。传统的调整方法依赖于启发式手动调整或基于梯度的优化技术来最小化性能代价函数。然而，调谐噪声值和估计器性能之间的关系是高度非线性和随机的。因此，调谐解决方案很容易陷入局部最小值，这可能导致噪声参数的选择不佳和次优估计器性能。本文介绍了贝叶斯优化（BO）如何克服这些问题。BO将优化作为随机"黑箱“代价函数的贝叶斯搜索问题，其目标是搜索解空间以最大化改进当前最佳解的概率。因此，BO提供了一种原则性的方法，在局部最小值和性能随机性的存在下，基于优化的估计器调整。虽然扩展的卡尔曼滤波器（EKF）是这项工作的主要焦点，但是BO可以类似地用于调谐其他相关的状态空间滤波器。这里提出的方法使用的性能指标来自归一化创新平方（NIS）通过传感器数据获得的滤波器残差，这使得地面实况状态的知识不必要。在实际的非线性状态估计问题、闭环航空机器人控制中，说明了基于BO的调整的鲁棒性、准确性和可靠性。
2019-12-17 cs.RO cs.SY eess.SY
A Distributed Quaternion Kalman Filter With Applications to Fly-by-Wire Systems
本文提出一种分布式四元数卡尔曼滤波算法，用于跟踪飞机在三维空间中的姿态和旋转，通过传感器分布式计算实现鲁棒性，避免万向节锁问题。
2016-07-21 cs.SY eess.SY stat.AP
Inverse Extended Kalman Filter -- Part I: Fundamentals
本文提出逆扩展卡尔曼滤波器（I-EKF），在非线性前向与逆向状态空间模型下处理未知输入问题，给出稳定性与一致性理论保证，并通过数值实验验证其有效性。
2023-08-14 cs.SY eess.SP eess.SY
A theorem of Kalman and minimal state-space realization of Vector Autoregressive Models
本文提出了一种$autoregressive$（AR）状态空间实现的概念，它适用于所有传递函数$\boldsymbol{T}(L)$和$\boldsymbol{T}(0)$可逆的情况。我们证明了Kalman定理，它意味着每个向量自回归模型（含外生变量）都有一个最小的$AR$ -状态空间实现形式为$\boldsymbol{y}_t = \sum_{i=1}^p\boldsymbol{H}\boldsymbol{F}^{i-1}\boldsymbol{G}\boldsymbol{x}_{t-i}+\boldsymbolε_t$，其中$\boldsymbol{F}$是幂零Jordan矩阵，且$\boldsymbol{H}, \boldsymbol{G}$满足一定的秩条件. $VARX(1)$对应于降秩回归。类似于该情况，对于固定的Jordan形式$\boldsymbol{F}$，可以通过最小二乘法将$\boldsymbol{H}$估计为$\boldsymbol{G}$的函数。似然函数是推广瑞利商的行列式比。对于与$\boldsymbol{F}$交换的可逆矩阵$\boldsymbol{S}$，如果用$\boldsymbol{S}\boldsymbol{G}$替换$\boldsymbol{G}$，则它不变。利用这一不变性质，极大似然估计的搜索空间可以被约束到满足一定数量的正交关系的等价矩阵类…
2019-10-06 cs.SY eess.SY math.AG
