| Název: | Accurate Density-Weighted Convolution for Point-Mass Filter and Predictor |
| Autoři: | Duník, Jindřich Straka, Ondřej Matoušek, Jakub Brandner, Marek |
| Citace zdrojového dokumentu: | DUNÍK, J. STRAKA, O. MATOUŠEK, J. BRANDNER, M. Accurate Density-Weighted Convolution for Point-Mass Filter and Predictor. IEEE Transactions on Aerospace and Electronic Systems, 2021, roč. 57, č. 6, s. 3574-3584. ISSN: 0018-9251 |
| Datum vydání: | 2021 |
| Nakladatel: | IEEE |
| Typ dokumentu: | článek article |
| URI: | 2-s2.0-85105868526 http://hdl.handle.net/11025/47006 |
| ISSN: | 0018-9251 |
| Klíčová slova v dalším jazyce: | state estimation;Bayesian inference;nonlinear systems;point-mass filter |
| Abstrakt v dalším jazyce: | This paper deals with the Bayesian state estimation of nonlinear stochastic dynamic systems. The stress is laid on the numerical solution to the Chapman-Kolmogorov equation, which governs the prediction step of the point-mass filter and predictor, using the convolution. A novel density-weighted convolution is proposed, which provides an accurate predictive probability density function even for models with small state noise, where the standard solution fails. Two implementations of the solution are proposed, theoretically analyzed, and evaluated in a numerical study. |
| Práva: | Plný text je přístupný v rámci univerzity přihlášeným uživatelům. © IEEE |
| Vyskytuje se v kolekcích: | Články / Articles (KMA) Články / Articles (KKY) OBD |
Soubory připojené k záznamu:
| Soubor | Velikost | Formát | |
|---|---|---|---|
| article_IEEETAES_DuStMaBr2021.pdf | 1,94 MB | Adobe PDF | Zobrazit/otevřít Vyžádat kopii |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/47006Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.