Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Adaptive Particle Filter with Fixed Empirical Density Quality

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F08%3A00502293" target="_blank" >RIV/49777513:23520/08:00502293 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Adaptive Particle Filter with Fixed Empirical Density Quality

  • Popis výsledku v původním jazyce

    The paper deals with the particle filter in state estimation of a discrete-time nonlinear non-Gaussian system. The goal of the paper is to design a sample size adaptation technique to guarantee the quality of an empirical probability density function (pdf) which approximates a target filtering pdf. The quality is measured by inaccuracy (cross-information) between the empirical pdf and the filtering pdf. It is shown that for increasing sample size the inaccuracy converges to the Shannon differential entropy (SDE) of the filtering pdf. The proposed technique adapts the sample size to keep a difference between the inaccuracy and the SDE within pre-specified bounds with a pre-specified probability. The particle filter with the proposed sample size adaptation technique is illustrated in a numerical example.

  • Název v anglickém jazyce

    Adaptive Particle Filter with Fixed Empirical Density Quality

  • Popis výsledku anglicky

    The paper deals with the particle filter in state estimation of a discrete-time nonlinear non-Gaussian system. The goal of the paper is to design a sample size adaptation technique to guarantee the quality of an empirical probability density function (pdf) which approximates a target filtering pdf. The quality is measured by inaccuracy (cross-information) between the empirical pdf and the filtering pdf. It is shown that for increasing sample size the inaccuracy converges to the Shannon differential entropy (SDE) of the filtering pdf. The proposed technique adapts the sample size to keep a difference between the inaccuracy and the SDE within pre-specified bounds with a pre-specified probability. The particle filter with the proposed sample size adaptation technique is illustrated in a numerical example.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    BC - Teorie a systémy řízení

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/1M0572" target="_blank" >1M0572: Data, algoritmy, rozhodování</a><br>

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2008

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    IFAC Proceedings Volumes (IFAC-PapersOnline)

  • ISSN

    1474-6670

  • e-ISSN

  • Svazek periodika

    17

  • Číslo periodika v rámci svazku

    1

  • Stát vydavatele periodika

    KR - Korejská republika

  • Počet stran výsledku

    1

  • Strana od-do

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus