文献

J-GLOBAL ID：201802255801562692   整理番号：18A1721954

不確実性学習フィルタ:修正平滑可変構造フィルタ【JST・京大機械翻訳】

The uncertainty learning filter: A revised smooth variable structure filter

著者 (3件)： Spiller Mark (Chair of Dynamics and Control University of Duisburg-Essen, Lotharstr. 1, 47057, Duisburg, Germany) ,  Bakhshande Fateme (Chair of Dynamics and Control University of Duisburg-Essen, Lotharstr. 1, 47057, Duisburg, Germany) ,  Soffker Dirk (Chair of Dynamics and Control University of Duisburg-Essen, Lotharstr. 1, 47057, Duisburg, Germany)
資料名： Signal Processing  (Signal Processing)
巻： 152  ページ： 217-226  発行年： 2018年 
JST資料番号： A0102B  ISSN： 0165-1684  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,不正確な記述によるシステムの状態推定の問題に取り組んだ。不確実性学習フィルタ(ULF)と呼ばれる滑らかな可変構造フィルタ(SVSF)の改訂版を提案した。不確実性学習パラメータを導入することにより,擬似平均二乗推定誤差を最小化する新しい戦略を開発した。導入された不確実性学習パラメータは,推定に及ぼす不正確なプロセスモデルの影響を制御する調整因子として作用する。パラメータ依存性は,革新プロセスから不確実性学習パラメータを適応することによって避けることができた。その結果,提案した適応不確実性学習フィルタ(A-ULF)は,プロセスモデルの不確実性に従ってそれ自身を調整する能力を持つ。A-ULFアプローチの推定誤差の有界性を証明した。シミュレーション結果は,SVSFによる提案した方法の推定性能と拡張Kalmanフィルタ(EKF)を比較するために与えた。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *フィルタ ,  適応フィルタリング ,  非線形系 ,  状態推定 ,  シミュレーション ,  ロバスト推定 ,  *不確実性 ,  *学習
準シソーラス用語： 拡張Kalmanフィルタ ,  有界 ,  パラメータ依存性 ,  プロセスモデル ,  推定誤差 ,  可変構造 , 【Automatic Indexing@JST】

著者キーワード (6件)： 平滑可変構造フィルタ ,  非線形システムの状態推定 ,  ロバスト推定 ,  パラメータ不確実性 ,  拡張Kalmanフィルタ ,  適応フィルタリング

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (3件)： 不確実性 ,  学習 ,  可変構造