Identification of State and Measurement Noise Covariance Matrices using Nonlinear Estimation Framework

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F15%3A43926641" target="_blank" >RIV/49777513:23520/15:43926641 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1088/1742-6596/659/1/012057" target="_blank" >http://dx.doi.org/10.1088/1742-6596/659/1/012057</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1088/1742-6596/659/1/012057" target="_blank" >10.1088/1742-6596/659/1/012057</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Identification of State and Measurement Noise Covariance Matrices using Nonlinear Estimation Framework

Popis výsledku v původním jazyce

The paper deals with identification of the noise covariance matrices affecting the linear system described by the state-space model. In particular, the stress is laid on the autocovariance least-squares method which belongs into to the class of the correlation methods. The autocovariance least-squares method is revised for a general linear stochastic dynamic system and is implemented within the publicly available MATLAB toolbox Nonlinear Estimation Framework. The toolbox then offers except of a large set of state estimation algorithms for prediction, filtering, and smoothing, the integrated easy-to-use method for the identification of the noise covariance matrices. The implemented method is tested by a thorough Monte-Carlo simulation for various user-defined options of the implemented method.

Název v anglickém jazyce

Identification of State and Measurement Noise Covariance Matrices using Nonlinear Estimation Framework

Popis výsledku anglicky

The paper deals with identification of the noise covariance matrices affecting the linear system described by the state-space model. In particular, the stress is laid on the autocovariance least-squares method which belongs into to the class of the correlation methods. The autocovariance least-squares method is revised for a general linear stochastic dynamic system and is implemented within the publicly available MATLAB toolbox Nonlinear Estimation Framework. The toolbox then offers except of a large set of state estimation algorithms for prediction, filtering, and smoothing, the integrated easy-to-use method for the identification of the noise covariance matrices. The implemented method is tested by a thorough Monte-Carlo simulation for various user-defined options of the implemented method.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

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

Rok uplatnění

2015

Kód důvěrnosti údajů

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

Název statě ve sborníku

Journal of Physics: Conference Series, Volume 659

ISBN

—

ISSN

1742-6588

e-ISSN

—

Počet stran výsledku

12

Strana od-do

1-12

Název nakladatele

IOP Publishing

Místo vydání

Bristol

Místo konání akce

Plzeň, Česká Republika

Datum konání akce

19. 11. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000368103000057