Přejít k obsahu


Linear Fusion of Estimators with Gaussian Mixture Errors under Unknown Dependences

Citace:
AJGL, J., ŠIMANDL, M. Linear Fusion of Estimators with Gaussian Mixture Errors under Unknown Dependences. In Proceedings of the 17th International Conference on Information Fusion. Salamanca: IEEE, 2014. s. 1-8. ISBN: 978-84-9012-355-3
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: Linear Fusion of Estimators with Gaussian Mixture Errors under Unknown Dependences
Rok vydání: 2014
Místo konání: Salamanca
Název zdroje: IEEE
Autoři: Ing. Jiří Ajgl Ph.D. , Prof. Ing. Miroslav Šimandl CSc. ,
Abstrakt CZ: V decentralizovaném odhadování stavu se vyskytují dva klíčové problémy. Prvním je jak sloučit estimátory obdržené lokálním zpracováním lokálně získaných dat. Druhým je spočítání popisu chyby sloučeného estimátoru za předpokladu, že pravidlo fúze bylo stanoveno. Případně, pokud není dostupná globální znalost decentralizované úlohy, může být druhým problémem poskytnout takový popis, který nenadhodnocuje kvalitu sloučeného estimátoru. Článek se zabývá posledním zmíněným problémem. Pro chyby lokálních estimátorů s hustotami pravděpodobnosti danými Gaussovými směsmi je předpokládána sdružená Gaussova směs. Indexy složek sdružené Gaussovy směsi jsou chápány jako skryté diskrétní náhodné proměnné s neznámou pravděpodobnostní funkcí. Z fúzí estimátorů je uvažována lineární fúze s určenými vahami. Je navržena horní mez matice střední kvadratické chyby sloučeného estimátoru. Na příkladech je nově navržená horní mez porovnána se stávající horní mezí a fúze je diskutována z pohledu hustot.
Abstrakt EN: In decentralised state estimation, there are two key problems. The first one is how to fuse estimators that are given by the local processing of locally obtained data. The second one is to compute the description of the fused estimator error supposing the fusion rule is specified. Alternatively, if the global knowledge of the decentralised problem is not available, the second problem may be to provide such a description that does not overvalue the quality of the fused estimator. The last problem is followed in this paper. For local estimator errors with Gaussian mixture densities, an underlying joint Gaussian mixture is supposed. The component indices of the joint Gaussian mixture are supposed to be hidden discrete random variables with unknown probability function. The estimator fusion is considered to be linear with fixed weights. An upper bound of the mean square error matrix of the fused estimator is designed. In a case study, the newly designed upper bound is compared with a current upper bound and a density approach is discussed.
Klíčová slova

Zpět

Patička