报告名称：基于非平稳厚尾非高斯量测噪声的卡尔曼滤波新方法研究

报告时间：2020年9月17日19:30-20:30

报告地点：61号楼3160

报告人简介:贾广乐（导师：张勇刚），男，哈尔滨工程大学博士研究生。

主要研究方向：统计信号处理，水下多AUV协同导航算法研究等

报告内容：

随着近几年对水声信号处理研究的深入，人们逐渐发现，受海洋环境因素如温度、盐度、地形等的影响，水下声速变化、声线弯曲、声速不均匀性、声学信道多径、海洋环境噪声等将导致多普勒计程仪和声学定位系统输出噪声概率密度往往呈现出厚尾非高斯分布。因此基于厚尾非高斯量测噪声滤波器获得了较多关注。报告将围绕上述问题，主要介绍以下方面的内容：

（1）针对量测噪声呈现厚尾非高斯分布，从极大似然估计、蒙特卡洛方法和变分贝叶斯等方法介绍Huber卡尔曼滤波器、最大熵卡尔曼滤波器、粒子滤波器和基于学生t建模卡尔曼滤波器等经典的处理非高斯噪声滤波器。并讨论上述滤波器的优缺点。

（2）针对非平稳厚尾非高斯量测噪声，介绍我们通过采用高斯-学生t混合分布来建模和处理非平稳厚尾噪声。该滤波器通过智能学习混合概率来解决混合概率不确定带来的滤波性能下降问题， 从而提高滤波方法对混合概率不确定的适应性。

（3）围绕水下存在非高斯量测噪声，介绍我们基于变分贝叶斯方法的卡尔曼滤波方法在理论上更加符合水下导航传感器噪声的统计特性，与高斯模型相比，具有更加合理的设计思路，与粒子滤波相比，计算更加简洁。