Learning and Exploiting Partial Knowledge in Distributed Estimation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F21%3A43962472" target="_blank" >RIV/49777513:23520/21:43962472 - isvavai.cz</a>

Výsledek na webu

<a href="https://dx.doi.org/10.1109/MFI52462.2021.9591197" target="_blank" >https://dx.doi.org/10.1109/MFI52462.2021.9591197</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/MFI52462.2021.9591197" target="_blank" >10.1109/MFI52462.2021.9591197</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Learning and Exploiting Partial Knowledge in Distributed Estimation

Popis výsledku v původním jazyce

In distributed estimation, several sensor nodes provide estimates of the same underlying dynamic process. These estimates are correlated but due to local processing, the correlations are only partially known or even unknown. For a consistent fusion of the local estimates, the correlation needs to be properly treated. Many methods provide consistent but overly conservative fusion results. In this paper, we propose to learn partial knowledge about the correlation in the form of correlation sets and exploit this knowledge to provide less conservative estimates. We use a simple numerical example to demonstrate the advantages of the proposed approach in terms of quality and consistency and how the quality of the fused estimate increases with time.

Název v anglickém jazyce

Learning and Exploiting Partial Knowledge in Distributed Estimation

Popis výsledku anglicky

In distributed estimation, several sensor nodes provide estimates of the same underlying dynamic process. These estimates are correlated but due to local processing, the correlations are only partially known or even unknown. For a consistent fusion of the local estimates, the correlation needs to be properly treated. Many methods provide consistent but overly conservative fusion results. In this paper, we propose to learn partial knowledge about the correlation in the form of correlation sets and exploit this knowledge to provide less conservative estimates. We use a simple numerical example to demonstrate the advantages of the proposed approach in terms of quality and consistency and how the quality of the fused estimate increases with time.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/GC20-06054J" target="_blank" >GC20-06054J: Inteligentní distribuované architektury pro odhad stavu</a><br>

Návaznosti

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

Rok uplatnění

2021

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedins of the 2021 IEEE International Conference on Multisensor Fusion and Integration (MFI 2021)

ISBN

978-1-66544-521-4

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

1-7

Název nakladatele

IEEE

Místo vydání

Karlsruhe

Místo konání akce

Karlsruhe, Německo

Datum konání akce

23. 9. 2021

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—