Approche non paramétrique du filtrage de système non linéaire à temps discret et à paramètres inconnus - 01/01/05
pages | 6 |
Iconographies | 0 |
Vidéos | 0 |
Autres | 0 |
Résumé |
Les filtres particulaires sont actuellement les outils de filtrage de système non linéaire à temps discret les plus performants. Toutefois la présence de paramètres inconnus dans les équations du système rend leur mise en œuvre délicate et compromet souvent leur convergence. Cette Note montre comment une estimation en ligne convergente de ces paramètres peut être obtenue simultanément à celles des variables dʼétat à filtrer. Elle repose sur une méthode dʼestimation non paramétrique de densités de probabilités conditionnelles par noyau de convolution, à partir de générations successives de particules du système. Pour citer cet article : V. Rossi, J.-P. Vila, C. R. Acad. Sci. Paris, Ser. I 340 (2005).
Le texte complet de cet article est disponible en PDF.Abstract |
Particle filters are presently among the most powerful tools for filtering discrete time non linear systems. However the presence of unknown parameters in the system equations makes their use more complex and can even impair their convergence properties. This Note shows how an on-line consistent estimation of these parameters can be obtained simultaneously to that of the state variables to be filtered. This approach relies upon a kernel-based non parametric estimation of conditional probability densities from successive Monte Carlo generations of system particles. To cite this article: V. Rossi, J.-P. Vila, C. R. Acad. Sci. Paris, Ser. I 340 (2005).
Le texte complet de cet article est disponible en PDF.Plan
Vol 340 - N° 10
P. 759-764 - mai 2005 Retour au numéroBienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.
Déjà abonné à cette revue ?