Cooperative Unscented Kalman Filter with Bank of Scaling Parameter Values

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F21%3A43962473" target="_blank" >RIV/49777513:23520/21:43962473 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/9626987" target="_blank" >https://ieeexplore.ieee.org/document/9626987</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Cooperative Unscented Kalman Filter with Bank of Scaling Parameter Values

Popis výsledku v původním jazyce

This paper is devoted to the Bayesian state estimation of the nonlinear stochastic dynamic systems. The stress is laid on Gaussian unscented Kalman filter (UKF) and, in particular, on a setting of its scaling parameter, which significantly affects the UKF estimation performance. Compared to the standard UKF design, where one scaling parameter per a time instant is selected, the proposed cooperative UKF combines estimates of the set of UKFs each designed with different value of the scaling parameter. The cooperative UKF reformulates the UKF scaling parameter selection task as the multiple model approach, which allows to extract more information from the measurement to provide estimates of better quality as indicated by the numerical simulations.

Název v anglickém jazyce

Cooperative Unscented Kalman Filter with Bank of Scaling Parameter Values

Popis výsledku anglicky

This paper is devoted to the Bayesian state estimation of the nonlinear stochastic dynamic systems. The stress is laid on Gaussian unscented Kalman filter (UKF) and, in particular, on a setting of its scaling parameter, which significantly affects the UKF estimation performance. Compared to the standard UKF design, where one scaling parameter per a time instant is selected, the proposed cooperative UKF combines estimates of the set of UKFs each designed with different value of the scaling parameter. The cooperative UKF reformulates the UKF scaling parameter selection task as the multiple model approach, which allows to extract more information from the measurement to provide estimates of better quality as indicated by the numerical simulations.

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

Proceedings of the 2021 IEEE 24th International Conference on Information Fusion (FUSION)

ISBN

978-1-73774-971-4

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

1-8

Název nakladatele

IEEE

Místo vydání

Sun City

Místo konání akce

Sun City, Jihoafrická republika

Datum konání akce

1. 11. 2021

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—