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”

Design of Efficient Point-Mass Filter with Terrain Aided Navigation Illustration

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F23%3A43969674" target="_blank" >RIV/49777513:23520/23:43969674 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://doi.org/10.23919/FUSION52260.2023.10224172" target="_blank" >https://doi.org/10.23919/FUSION52260.2023.10224172</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.23919/FUSION52260.2023.10224172" target="_blank" >10.23919/FUSION52260.2023.10224172</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Design of Efficient Point-Mass Filter with Terrain Aided Navigation Illustration

  • Popis výsledku v původním jazyce

    This paper deals with state estimation of stochastic models with linear state dynamics, continuous or discrete in time. The emphasis is laid on a numerical solution to the state prediction by the time-update step of the grid-point-based point-mass filter (PMF), which is the most computationally demanding part of the PMF algorithm. A novel efficient PMF (ePMF) estimator, unifying continuous and discrete, approaches is proposed, designed, and discussed. By numerical illustrations, it is shown, that the proposed ePMF can lead to a time complexity reduction that exceeds 99.9% without compromising accuracy. The MATLAB® code of the ePMF is released with this paper.

  • Název v anglickém jazyce

    Design of Efficient Point-Mass Filter with Terrain Aided Navigation Illustration

  • Popis výsledku anglicky

    This paper deals with state estimation of stochastic models with linear state dynamics, continuous or discrete in time. The emphasis is laid on a numerical solution to the state prediction by the time-update step of the grid-point-based point-mass filter (PMF), which is the most computationally demanding part of the PMF algorithm. A novel efficient PMF (ePMF) estimator, unifying continuous and discrete, approaches is proposed, designed, and discussed. By numerical illustrations, it is shown, that the proposed ePMF can lead to a time complexity reduction that exceeds 99.9% without compromising accuracy. The MATLAB® code of the ePMF is released with this paper.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20205 - Automation and control systems

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2023

  • 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 2023 26th International Conference on Information Fusion, FUSION 2023

  • ISBN

    979-8-89034-485-4

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

  • Název nakladatele

    IEEE

  • Místo vydání

    Charleston, SC, USA

  • Místo konání akce

    Charleston, SC, USA

  • Datum konání akce

    27. 6. 2023

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku