近日，自动化学院葛泉波教授团队的研究成果“Gaussian-Cauchy Mixture Kernel Function Based Maximum Correntropy Criterion Kalman Filter for Linear Non-Gaussian Systems”被国际权威期刊《IEEE Transactions on Signal Processing》正式录用。该论文由博士生白雪飞合作完成。
本研究针对线性系统中由于重尾非高斯噪声污染导致估计性能下降的问题，提出了一种基于Gaussian与Cauchy核函数混合的最大相关熵准则（MCC）Kalman滤波算法（GCM_MCCKF）。该算法通过引入混合核函数，显著提高了在非高斯噪声条件下的估计性能和鲁棒性。相比传统方法，此算法有效结合了Gaussian核与Cauchy核的优点，提升了算法在复杂噪声环境下的应用灵活性。此外，研究还创新性地提出了自适应核大小调整机制，通过结合已有技术与创新元素对核大小进行动态更新，进一步提升了滤波器的估计精度。实验结果表明，所提出的算法在重尾非高斯噪声环境下表现出色，与现有的卡尔曼滤波器、粒子滤波器等相比，具有更强的鲁棒性和适应性。
据了解，《IEEE Transactions on Signal Processing》是工程技术领域的国际顶尖期刊（影响因子为4.6），是JCR一区的权威Top期刊，在信号处理领域享有很高的声誉，一直以送审难、水平高和录用率低著称。
研究的整体框架
不同噪声场景下的实验结果图