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”

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