为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heav...为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heavy-tailed switching distribution based robust Kalman filter,GHTSRKF)。首先,通过自适应学习高斯分布和一种重尾分布之间的切换概率将噪声建模为GHTS(Gaussian-heavy-tailed switching)分布,所设计的GHTS分布可以通过在线调整高斯分布和新的重尾分布之间的切换概率来对非平稳重尾噪声进行建模,具有虚拟协方差的高斯分布用于处理协方差矩阵不准确的高斯噪声。其次,引入两个分别服从Categorical分布与伯努利分布的辅助参数将GHTS分布表示为一个分层高斯形式,进一步利用变分贝叶斯方法推导了GHTSRKF。最后,利用一个仿真场景对几种不同的RKFs(robust Kalman filters)进行了对比验证。结果表明,所提出的GHTSRKF算法的估计精度对初始状态的选取不敏感,精度优于其他RKFs,它的RMSEs最接近噪声信息准确的KFTNC(KF with true noise covariances)的RMSEs(root mean square errors),且当系统与量测噪声是未知时变高斯噪声时,相比于现有的滤波器,GHTSRKF具有更好的估计性能,从而验证了GHTSRKF的有效性。展开更多
目的:运用网状Meta分析方法,评价复方血栓通胶囊、复方丹参滴丸、芪明颗粒、和血明目片、明目地黄丸和双丹明目胶囊联合羟苯磺酸钙改善非增殖期糖尿病视网膜病变(NPDR)的疗效及安全性。方法:计算机检索Web of Science、The Cochrane Lib...目的:运用网状Meta分析方法,评价复方血栓通胶囊、复方丹参滴丸、芪明颗粒、和血明目片、明目地黄丸和双丹明目胶囊联合羟苯磺酸钙改善非增殖期糖尿病视网膜病变(NPDR)的疗效及安全性。方法:计算机检索Web of Science、The Cochrane Library、Pubmed、Embase、CNKI、CBM、VIP、WanFang Data数据库,检索自建库到2022年11月20日口服中成药联合羟苯磺酸钙治疗非增殖期糖尿病视网膜病变的随机对照试验(RCT),采用Cochrane偏移风险评价工具进行偏移风险评价,使用R语言进行数据统计分析。结果:最终纳入38篇文献,共计3880例患者。试验组共涉及6种中成药,从总有效率、眼底病变(出血面积、黄斑厚度、视野灰度值和血管瘤体积)、视力、VEGF(血管内皮因子)和糖化血红蛋白(HbA1c)8个结局指标进行评价。Meta分析结果显示:与单用羟苯磺酸钙相比,提高总有效率方面,联合复方血栓通胶囊疗效最显著;缩小出血斑面积方面,联合双丹明目胶囊疗效最显著;降低黄斑厚度方面,联合复方丹参滴丸疗效最显著;缩小血管瘤体积方面,联合和血明目片疗效最显著且显著优于联合其他中成药;缩小视野灰度值方面,双丹明目胶囊疗效最显著;提高视力方面,仅联合芪明颗粒疗效显著;降低VEGF方面,联合双丹明目胶囊疗效最显著,其次为明目地黄丸,且两者疗效均显著优于其他中成药;降低糖化血红蛋白方面,联合各中成药疗效均不显著;联合中成药对不良反应发生率影响不大。结论:中成药联合羟苯磺酸钙治疗可以提高非增殖期糖尿病视网膜病变的疗效,但对血糖的改善效果不显著。鉴于纳入文献数量较少和质量较低,累计排序结果还有待进一步验证。展开更多
文摘为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heavy-tailed switching distribution based robust Kalman filter,GHTSRKF)。首先,通过自适应学习高斯分布和一种重尾分布之间的切换概率将噪声建模为GHTS(Gaussian-heavy-tailed switching)分布,所设计的GHTS分布可以通过在线调整高斯分布和新的重尾分布之间的切换概率来对非平稳重尾噪声进行建模,具有虚拟协方差的高斯分布用于处理协方差矩阵不准确的高斯噪声。其次,引入两个分别服从Categorical分布与伯努利分布的辅助参数将GHTS分布表示为一个分层高斯形式,进一步利用变分贝叶斯方法推导了GHTSRKF。最后,利用一个仿真场景对几种不同的RKFs(robust Kalman filters)进行了对比验证。结果表明,所提出的GHTSRKF算法的估计精度对初始状态的选取不敏感,精度优于其他RKFs,它的RMSEs最接近噪声信息准确的KFTNC(KF with true noise covariances)的RMSEs(root mean square errors),且当系统与量测噪声是未知时变高斯噪声时,相比于现有的滤波器,GHTSRKF具有更好的估计性能,从而验证了GHTSRKF的有效性。
