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”

UNSCENTED KALMAN FILTER REVISITED - HERMITE-GAUSS QUADRATURE APPROACH

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F12%3A00195666" target="_blank" >RIV/68407700:21230/12:00195666 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    UNSCENTED KALMAN FILTER REVISITED - HERMITE-GAUSS QUADRATURE APPROACH

  • Popis výsledku v původním jazyce

    Kalman filter is a frequently used tool for linear state estimation due to its simplicity and optimality. It can further be used for fusion of information obtained from multiple sensors. Kalman filtering is also often applied to nonlinear systems. As thedirect application of bayesian functional recursion is computationally not feasible, approaches commonly taken use either a local approximation - Extended Kalman Filter based on linearization of the non-linear model - or the global one, as in the case of Particle Filters. An approach to the local approximation is the so called Unscented Kalman Filter. It is based on a set of symmetrically distributed sample points used to parameterise the mean and the covariance. Such filter is computationally simple and no linearization step is required. Another approach to selecting the set of sample points based on decorrelation of multivariable random variables and Hermite-Gauss Quadrature is introduced in this paper. This approachprovides an addit

  • Název v anglickém jazyce

    UNSCENTED KALMAN FILTER REVISITED - HERMITE-GAUSS QUADRATURE APPROACH

  • Popis výsledku anglicky

    Kalman filter is a frequently used tool for linear state estimation due to its simplicity and optimality. It can further be used for fusion of information obtained from multiple sensors. Kalman filtering is also often applied to nonlinear systems. As thedirect application of bayesian functional recursion is computationally not feasible, approaches commonly taken use either a local approximation - Extended Kalman Filter based on linearization of the non-linear model - or the global one, as in the case of Particle Filters. An approach to the local approximation is the so called Unscented Kalman Filter. It is based on a set of symmetrically distributed sample points used to parameterise the mean and the covariance. Such filter is computationally simple and no linearization step is required. Another approach to selecting the set of sample points based on decorrelation of multivariable random variables and Hermite-Gauss Quadrature is introduced in this paper. This approachprovides an addit

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BC - Teorie a systémy řízení

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GAP103%2F11%2F1353" target="_blank" >GAP103/11/1353: Odhad stavu dynamických stochastických systémů</a><br>

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2012

  • 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 15th International Conference on Information Fusion

  • ISBN

    9780982443842

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    1-5

  • Název nakladatele

    IEEE

  • Místo vydání

    Piscataway

  • Místo konání akce

    Singapore

  • Datum konání akce

    9. 7. 2012

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku