State of art on state estimation: Kalman filter driven by machine learning

卡尔曼滤波器 α-β滤光片 扩展卡尔曼滤波器 快速卡尔曼滤波 不变扩展卡尔曼滤波器 集合卡尔曼滤波器 计算机科学 控制理论(社会学) 无味变换 控制工程 人工智能 机器学习 工程类 移动视界估计 控制(管理)
作者
Yuting Bai,Bin Yan,Chenguang Zhou,Tingli Su,Xue‐Bo Jin
出处
期刊:Annual Reviews in Control [Elsevier]
卷期号:56: 100909-100909 被引量:31
标识
DOI:10.1016/j.arcontrol.2023.100909
摘要

The Kalman filter (KF) is a popular state estimation technique that is utilized in a variety of applications, including positioning and navigation, sensor networks, battery management, etc. This study presents a comprehensive review of the Kalman filter and its various enhanced models, with combining the Kalman filter with neural network methodologies. First, we provide a brief overview of the classical Kalman filter and its variants, including the extended Kalman filter (EKF), unscented Kalman filter (UKF), cubature Kalman filter (CKF), etc. It is pointed out that the traditional Kalman filter faces two main problems: system model and noise model parameter identification. To overcome these obstacles, researchers have developed novel solutions by integrating machine learning techniques with the Kalman filter. Secondly, this paper classifies the related models into two categories: both the internal cross-combination of the Kalman filter and neural network and their external combinations. Two different hybrid models and typical structures show that the hybrid model performs more accurately and robustly overall. Finally, the characteristic of the two hybrid models is summarized so that readers can understand them more intuitively.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
lzq完成签到 ,获得积分10
1秒前
sjyu1985完成签到 ,获得积分10
3秒前
federish完成签到 ,获得积分10
5秒前
灼灼朗朗完成签到,获得积分10
6秒前
8秒前
畅快的谷秋完成签到 ,获得积分10
8秒前
科研通AI2S应助时间流浪者采纳,获得10
8秒前
杪夏二八完成签到 ,获得积分10
8秒前
兴奋冷松完成签到,获得积分10
11秒前
12秒前
傲娇曼凝完成签到,获得积分10
14秒前
潇潇完成签到 ,获得积分10
15秒前
满鑫发布了新的文献求助10
17秒前
酷炫书芹完成签到,获得积分10
17秒前
17秒前
肉片牛帅帅完成签到,获得积分10
18秒前
薰硝壤应助科研通管家采纳,获得10
19秒前
CodeCraft应助科研通管家采纳,获得10
19秒前
19秒前
鞘皮完成签到,获得积分10
21秒前
南宫秃完成签到,获得积分0
23秒前
吴荣方完成签到 ,获得积分10
23秒前
西贝发布了新的文献求助10
25秒前
loey完成签到,获得积分10
27秒前
Ashley完成签到 ,获得积分10
27秒前
幸福的小刺猬完成签到 ,获得积分10
33秒前
大陆完成签到,获得积分10
33秒前
进退须臾完成签到,获得积分10
35秒前
天才杨完成签到,获得积分10
38秒前
西贝完成签到,获得积分10
38秒前
余欢阙忧完成签到,获得积分10
38秒前
2026毕业啦完成签到,获得积分10
39秒前
碧蓝丹烟完成签到 ,获得积分10
40秒前
Serein完成签到,获得积分10
43秒前
cis2014完成签到,获得积分10
44秒前
moufei应助rita_sun1969采纳,获得20
45秒前
二毛完成签到,获得积分10
48秒前
豪哥大大发布了新的文献求助10
51秒前
三百一十四完成签到 ,获得积分10
54秒前
武映易完成签到 ,获得积分10
56秒前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052675
求助须知:如何正确求助?哪些是违规求助? 2709898
关于积分的说明 7418335
捐赠科研通 2354494
什么是DOI,文献DOI怎么找? 1246139
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921