Structure Adaptation of Nonlinear Filters based on Non-Gaussianity Measures
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F15%3A43925644" target="_blank" >RIV/49777513:23520/15:43925644 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/ACC.2015.7171819" target="_blank" >http://dx.doi.org/10.1109/ACC.2015.7171819</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/ACC.2015.7171819" target="_blank" >10.1109/ACC.2015.7171819</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Structure Adaptation of Nonlinear Filters based on Non-Gaussianity Measures
Popis výsledku v původním jazyce
The paper deals with state estimation of stochastic nonlinear dynamical systems. A structure adaptation of nonlinear filters is proposed to reduce errors stemming from approximations made by the filters. The adaptation is controlled by non-Gaussian measures which assess current working conditions of the filter. A large non-Gaussian measure indicates a possible large approximation error and results in splitting the state conditional probability density function. To limit computational complexity of the filter given by the number of terms, a reduction of this number is done by merging some terms. The algorithm of the proposed filter with structure adaptation is detailed using the extended Kalman filter relations. Performance of the filter is illustrated in a numerical example.
Název v anglickém jazyce
Structure Adaptation of Nonlinear Filters based on Non-Gaussianity Measures
Popis výsledku anglicky
The paper deals with state estimation of stochastic nonlinear dynamical systems. A structure adaptation of nonlinear filters is proposed to reduce errors stemming from approximations made by the filters. The adaptation is controlled by non-Gaussian measures which assess current working conditions of the filter. A large non-Gaussian measure indicates a possible large approximation error and results in splitting the state conditional probability density function. To limit computational complexity of the filter given by the number of terms, a reduction of this number is done by merging some terms. The algorithm of the proposed filter with structure adaptation is detailed using the extended Kalman filter relations. Performance of the filter is illustrated in a numerical example.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20205 - Automation and control systems
Návaznosti výsledku
Projekt
<a href="/cs/project/GA15-12068S" target="_blank" >GA15-12068S: Adaptivní přístupy k odhadu stavu nelineárních stochastických systémů</a><br>
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 2015 American Control Conference
ISBN
978-1-4799-8684-2
ISSN
0743-1619
e-ISSN
—
Počet stran výsledku
6
Strana od-do
3162-3167
Název nakladatele
IEEE
Místo vydání
Chicago
Místo konání akce
Chicago, USA
Datum konání akce
1. 7. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000370259203042