S'abonner

Approche non paramétrique du filtrage de système non linéaire à temps discret et à paramètres inconnus - 01/01/05

Doi : 10.1016/j.crma.2005.04.008 
Vivien Rossi a , Jean-Pierre Vila b
a UMR I3M, équipe de probabilités et statistique, université Montpellier II, cc 51, place Eugène-Bataillon, 34095 Montpellier cedex 5, France 
b UMR analyse des systèmes et biométrie, ENSAM-INRA, 2, place Pierre-Viala, 34060 Montpellier cedex 1, France 

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

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

Plan indisponible

© 2005  Académie des sciences. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 340 - N° 10

P. 759-764 - mai 2005 Retour au numéro
Article précédent Article précédent
  • Archimax copulas and invariance under transformations
  • Erich Peter Klement, Radko Mesiar, Endre Pap
| Article suivant Article suivant
  • An optimization problem related to the modeling of atmospheric organic aerosols
  • Neal R. Amundson, Alexandre Caboussat, Jiwen He, John H. Seinfeld

Bienvenue 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 ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.