Adaptive fading Kalman filter design using the geometric mean of normal probability densities

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26620%2F18%3APU129250" target="_blank" >RIV/00216305:26620/18:PU129250 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/8431008" target="_blank" >https://ieeexplore.ieee.org/document/8431008</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.23919/ACC.2018.8431008" target="_blank" >10.23919/ACC.2018.8431008</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Adaptive fading Kalman filter design using the geometric mean of normal probability densities

Popis výsledku v původním jazyce

The paper extends the Kalman filter to operate with the potential process model uncertainty by relying on the use of a variable fading factor. A loss functional evaluating the prediction step of the Kalman filter is constructed based on Bayesian decision-making. This evaluation results in coupling two normal probability density functions (pdfs), defining a lower and upper bound for a state uncertainty increase. The coupling policy is identical with the geometric mean of pdfs weighted by adaptively adjusted probabilities. In this respect, the fading factor is optimally determined by being treated as a probability assigned to the more conservative pdf. The proposed schema corrects state filtering in the presence of model uncertainty through controlling the Kalman gain matrix in response to observed performance.

Název v anglickém jazyce

Adaptive fading Kalman filter design using the geometric mean of normal probability densities

Popis výsledku anglicky

The paper extends the Kalman filter to operate with the potential process model uncertainty by relying on the use of a variable fading factor. A loss functional evaluating the prediction step of the Kalman filter is constructed based on Bayesian decision-making. This evaluation results in coupling two normal probability density functions (pdfs), defining a lower and upper bound for a state uncertainty increase. The coupling policy is identical with the geometric mean of pdfs weighted by adaptively adjusted probabilities. In this respect, the fading factor is optimally determined by being treated as a probability assigned to the more conservative pdf. The proposed schema corrects state filtering in the presence of model uncertainty through controlling the Kalman gain matrix in response to observed performance.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2018

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2018 Annual American Control Conference

ISBN

978-1-5386-5428-6

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

5037-5042

Název nakladatele

IEEE

Místo vydání

neuveden

Místo konání akce

Milwaukee

Datum konání akce

27. 6. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000591256605019