面向非线性状态转移噪声的后验线性化滤波器

基于摘要分析。本文研究状态转移噪声与测量噪声可能非加性或经过非线性变换时的离散时间 Kalman 类滤波，扩展 Posterior Linearization Filter（PLF，后验线性化滤波器），以处理这类噪声下的状态估计问题。 核心机制是联合求解预测步与更新步，使 PLF 的迭代也能用于改善非线性状态转移模型中的估计；算法同时产生单步固定滞后平滑估计。作者报告，通过示例展示了该方法处理非高斯状态转移噪声及非线性变换状态转移噪声的用法。摘要未提供定量误差、对照基线或计算开销，具体线性化方式、迭代收敛条件、实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 动态状态估计能够构建明确的状态空间模型，且状态转移或观测噪声存在可建模的非加性机制，该联合迭代思路可能具有参考价值；这是假设，不是已证实的 EEG 或 BCI 效果。可复用的是预测与更新的联合估计机制，需改造的是 EEG 的潜在状态定义、观测映射和噪声模型。低信噪比、通道变化及跨被试差异可能造成模型失配，小数据条件也可能使噪声模型难以可靠估计。可先在已知潜在状态的 EEG 仿真数据上，固定数据生成条件与噪声设定，对比该扩展方法和原 PLF 的状态估计误差及计算耗时，检验非加性噪声下是否获得稳定收益。已有 EEG 相关工作尚未检索确认。