具有加性重尾不确定性的动态系统的鲁棒估计
对于具有加性高斯噪声的线性动态系统，卡尔曼滤波(KF)一直是经济、金融和工程领域的主要估计范式。尽管在卡尔曼滤波器中生成的高斯条件概率密度函数定义良好、易于处理且计算成本低，但许多现实世界的现象不能通过其轻概率尾来适当地捕获。最近，开发了一种线性动力系统的多元状态估计器，该估计器使用重尾柯西概率密度函数(pdf)显式地模拟相关的初始状态、过程和测量不确定性。虽然很少有物理过程是显式柯西分布的，因为它们的尾巴超过了其他实际密度，但基于柯西pdf的估计器被假设对未知的物理密度是稳健的。对于这种多元柯西估计量(MCE)，而不是传播条件概率密度函数(CPDF)给定的测量历史，分析和递归特征函数的非标准化CPDF需要传播。两个基本的困难是每次测量更新时表示特征函数的项数的几何增长和每个项的计算。随着每个项的基表示的发现，在此基础上的线性运算消除了其计算难度，并允许项加法，从而消除了99%以上的项。尽管测量更新后的项数仍在增长，但开发了一种基于滑动测量窗口的方法来运行任意模拟长度的MCE算法。此外，扩展了MCE结构，以类似于扩展卡尔曼滤波(EKF)的方式处理系统动力学和测量模型中的非线性。最后，在通用图形处理单元上实现了MCE。利用MCE内部固有的大规模并行结构来实现实时计算性能。仿真结果表明，MCE在任意重尾和非线性动态环境下均优于KF/EKF。
杰森·l·斯派尔博士他于1960年获得麻省理工学院航空航天学士学位，1968年获得哈佛大学应用数学博士学位。2013年，他被以色列理工学院授予荣誉博士学位。他是加州大学洛杉矶分校机械和航空航天工程系和电气工程系的罗纳德和瓦莱丽休格特聘教授。他和W.H.钟合著了，随机过程,评估和控制(工业与应用数学学会，2008)，与D.H. Jacobson合著，最优控制理论入门(暹罗,2010)。他曾担任副主编技术资料及通讯(1975 - 76)随机控制(1978-79)，电气和电子工程师学会(IEEE)自动控制学报，为美国航空协会指南杂志和控制(1977-78)优化理论与工程学报应用程序(1981年至今)。他是IEEE的会员和美国航空航天学会(AIAA)的荣誉会员。他被授予AIAA力学和飞行控制奖、AIAA Dryden研究讲师奖、空军杰出平民勋章(1991年和2001年)、IEEE第三千年奖章、AIAA制导、导航和控制奖、理查德·e·贝尔曼控制遗产奖和美国国家工程院会员。