文献

J-GLOBAL ID：201802282718953335   整理番号：18A0478201

非対数センサの分解能を持つ確率的不確実システムのためのフィルタリング【Powered by NICT】

Filtering for stochastic uncertain systems with non-logarithmic sensor resolution

著者 (4件)： Zhang Junfeng (Department of Automation, TNList, Tsinghua University, Beijing 100084, China) ,  He Xiao (Department of Automation, TNList, Tsinghua University, Beijing 100084, China) ,  Zhou Donghua (College of Electrical Engineering and Automation, Shandong University of Science and Technology, Qingdao 266590, China) ,  Zhou Donghua (Department of Automation, TNList, Tsinghua University, Beijing 100084, China)
資料名： Automatica  (Automatica)
巻： 89  ページ： 194-200  発行年： 2018年 
JST資料番号： B0208A  ISSN： 0005-1098  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： センサ分解能は非常に重要な信号処理問題のための無視できないがセンサのほぼ全ての種類の最も基本的なパラメータである。本論文では,ロバストなフィルタリング問題は,モデル不確実性と非対数センサ分解能をもつ確率システムのクラスについて調べた。新しいソフト測定モデル(SMM)を提案した。零平均センサ分解能誘導不確実性(SRU)と最大信号分解能比(SRR)の利点を持っている。提案したモデルに基づいて,新しいロバストなフィルタ(RF)は,モデルの不確実性とセンサ分解能の両方を全面的に考慮に入れて,提案した。適切にフィルタゲインを設計することにより,推定誤差共分散の上限は,各時間ステップで得られ,最小化した。対応するフィルタリングアルゴリズムである再帰的,実時間オンラインアプリケーションに適している。最後に,提案したSMMとRFの有効性と適用性を実証するためにシミュレーション研究。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 適応性 ,  *センサ ,  *対数 ,  ロバスト性 ,  *フィルタリング ,  *分解能 ,  *フィルタ ,  確率系 ,  *不確実性 ,  シミュレーション
準シソーラス用語： 実時間 ,  時間ステップ ,  誤差共分散 ,  信号分解能 ,  測定モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： モデルの不確実性 ,  非対数的センサの分解能 ,  ソフト計測モデル ,  ロバストなフィルタ

分類 (1件)： システム同定  (IA02040O)

タイトルに関連する用語 (5件)： 対数 ,  分解能 ,  確率 ,  不確実 ,  フィルタリング