Density Approximation Error Assessment and Compensation in Point-Mass Filter

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F22%3A43965985" target="_blank" >RIV/49777513:23520/22:43965985 - isvavai.cz</a>
Výsledek na webu
<a href="http://https:dx.doi.org-10.23919/FUSION49751.2022.9841336" target="_blank" >http://https:dx.doi.org-10.23919/FUSION49751.2022.9841336</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.23919/FUSION49751.2022.9841336" target="_blank" >10.23919/FUSION49751.2022.9841336</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Density Approximation Error Assessment and Compensation in Point-Mass Filter
Popis výsledku v původním jazyce
This paper deals with the state estimation of non-linear stochastic dynamic systems with an emphasis on a probability density function approximation used by point-mass filters. Approximation error of the standard point-mass density is analysed and quantified, and a novel point-mass density approximation with inherent approximation error minimisation is developed. The properties of the proposed point-mass are theoretically analysed and numerically illustrated.
Název v anglickém jazyce
Density Approximation Error Assessment and Compensation in Point-Mass Filter
Popis výsledku anglicky
This paper deals with the state estimation of non-linear stochastic dynamic systems with an emphasis on a probability density function approximation used by point-mass filters. Approximation error of the standard point-mass density is analysed and quantified, and a novel point-mass density approximation with inherent approximation error minimisation is developed. The properties of the proposed point-mass are theoretically analysed and numerically illustrated.

Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Proceedings of the 2022 IEEE 25th International Conference on Information Fusion (FUSION)
ISBN
978-1-73774-972-1
ISSN
—
e-ISSN
—
Počet stran výsledku
7
Strana od-do
1-7
Název nakladatele
IEEE
Místo vydání
Linköping, Sweden
Místo konání akce
Linköping, Sweden
Datum konání akce
4. 7. 2022
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000855689000108

Podobné výsledky(10)