Nonlinear estimation by particle filters and Cramér-Rao bound

Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F03%3A00000243" target="_blank" >RIV/49777513:23520/03:00000243 - isvavai.cz</a>
Alternative codes found
RIV/49777513:23520/03:00000049
Result on the web
—
DOI - Digital Object Identifier
—

Result language
angličtina
Original language name
Nonlinear estimation by particle filters and Cramér-Rao bound
Original language description
A solution of the Bayesian recursive relations by the particle filter approach is treated. The stress is laid on the sample size setting as the main user design problem. The Cramér-Rao bound was chosen as a tool for setting the sample size for the threebasic types of the state estimation, for filtering, prediction and smoothing. The mean square error matrices of particle filter state estimates for different sample sizes and the CR bounds are compared. Quality of the particle filters and their computational load are illustrated in a numerical example.
Czech name
Simulační filtry v úloze odhadu a Cramér-Raova mez
Czech description
Článek se zabývá řešením Bayesových rekurzivních vztahů pomocí simulačních filtrů. Důraz je kladen na specifilkaci počtu vzorků. Jako nástroj pro specifikaci počtu vzorků pro filtraci, predikci i vyhlazování byla zvolena Cramér-Raova mez. Matice středníkvadratické chyby odhadu stavu pro simulační filtry byla porovnána s Cramér-Raovou mezí. Kvalita simulačních filtrů a jejich výpočetní náročnost je ilustrována na numerickém příkladu.

Project
<a href="/en/project/GA102%2F01%2F0021" target="_blank" >GA102/01/0021: Nonlinear estimation and change detection for stochastic systems</a><br>
Continuities
Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year
2003
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Similar results(10)