A Framework for Robust Assimilation of Potentially Malign Third-Party Data, and its Statistical Meaning
一种用于稳健融合可能有害第三方数据的框架及其统计意义
专题命中 自动驾驶多传感器融合 :sensor fusion(abstract)
AI总结 本文提出了一种基于模型的数据融合方法,结合假设检验组件来拒绝可能有故障或有害的数据。该框架基于经典粒子滤波算法的扩展,用于实时估计具有非线性动态和部分噪声观测的不确定系统的状态。通过将Fisher显著性检验和Neyman-Pearson假设检验框架应用于蒙特卡洛和传感器融合场景,提出了一种稳健的蒙特卡洛状态估计方案,能够有效处理故障或异常数据。
Comments IEEE Intelligent Transportation Systems Magazine, special issue on GNSS-based positioning
Journal ref IEEE Intelligent Transportation Systems Magazine, vol. 12, no. 3, pp. 147-156, Fall 2020