研究人员开发了一种新的线性状态空间模型的鲁棒估计方案，特别解决了射电干涉测量中的挑战，在射电干涉测量中，射频干扰（RFI）可能导致测量噪声具有重尾或易产生离群值。所提出的方法利用随机逼近期望最大化（SAEM）算法，用潜在状态和噪声纹理的蒙特卡洛采样替换标准的E步。这种方法即使在具有重尾似然的情况下也能实现易于处理的推断，与传统的高斯EM算法相比，显著提高了重建保真度和对RFI的鲁棒性。 AI
影响 这项研究可能带来射电天文学和其他受噪声数据影响的领域中更准确、更可靠的成像。
排序理由 该集群包含一篇详细介绍状态空间模型新算法的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.23944v1 Announce Type: cross Abstract: State--space models provide a flexible framework for analyzing dynamical systems, yet they often rely on Gaussian assumptions that fail to capture heavy-tailed or outlier-prone measurement noise. We propose a robust estimation sch…
State--space models provide a flexible framework for analyzing dynamical systems, yet they often rely on Gaussian assumptions that fail to capture heavy-tailed or outlier-prone measurement noise. We propose a robust estimation scheme for linear state--space models subject to comp…