Přejít k obsahu


Multi-step prediction and its application for estimation of state and measurement noise covariance matrices

Citace: [] ŠIMANDL, M., DUNÍK, J. Multi-step prediction and its application for estimation of state and measurement noise covariance matrices. Pilsen : University of West Bohemia, 2007. 50 s.
Druh: ZPRÁVA
Jazyk publikace: eng
Anglický název: Multi-step prediction and its application for estimation of state and measurement noise covariance matrices
Rok vydání: 2007
Místo konání: Pilsen
Název zdroje: University of West Bohemia
Autoři: Miroslav Šimandl , Jindřich Duník
Abstrakt CZ: Výzkumná zpráva se zabývá odhadem kovariančních matic poruch pro lineární a nelineární systémy. Uvažovány jsou výhradně systémy s přesně známou počáteční podmínkou. Nové vztahy jsou odvozeny na základě analýzy Kalamanova flitru a rozšířeného Kalmanova filtru. Odvozené vztahy jsou pak ověřeny pomocí numerických příkladů.
Abstrakt EN: Estimation of noise covariance matrices for linear or nonlinear stochastic dynamic systems is treated. The stress is laid on the case when the initial state mean and the initial state covariance matrix are exactly known. The properties of the innovation sequence of the Kalman Filter and the Extended Kalman Filter are discussed and the new method for estimation of the covariance matrices of the state and the measurement noise is designed. The proposed method is based on special choice of the filter gain allowing the significant simplification of relations for computation of the covariance matrices of the innovation sequence and it takes an advantage of the well-known standard relations from the area of state estimation techniques and least square method. The theoretical results are verified in numerical examples.
Klíčová slova

Zpět

Patička