文献

J-GLOBAL ID：202202289453239238   整理番号：22A0554087

不確実性と異常値に従う線形システムのための分布ロバスト状態推定【JST・京大機械翻訳】

Distributionally Robust State Estimation for Linear Systems Subject to Uncertainty and Outlier

著者 (2件)： Wang Shixiong (Department of Industrial Systems Engineering and Management, National University of Singapore, Singapore, Singapore) ,  Ye Zhi-Sheng (Department of Industrial Systems Engineering and Management, National University of Singapore, Singapore, Singapore)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 70  ページ： 452-467  発行年： 2022年 
JST資料番号： C0228A  ISSN： 1053-587X  CODEN： ITPRED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： パラメータ不確実性と測定異常値は,実際の線形システムにおいて不可避に存在する。このような不確実性と異常値は,真の関節状態測定分布(真のシステムモデルによって誘起される)を名目上のもの(名目システムモデルによって誘発)から逸脱させ,名目モデルのために設計された最適状態推定器の性能は,実際には不満足になるか,または,不容認である。というようにするものである。”そのために,真の結合状態-測定分布(真のシステムモデルによって誘導される)は,名目上のもの(名目システムモデルによって誘導される)から逸脱する。課題は,このモデルにおける不確実性と測定における異常値を定量的に記述することであり,次に,正しい方法で推定子をロバストにする。本論文は,パラメータ不確実性と測定異常値を受ける線形システムのための分布的にロバストな状態推定フレームワークを研究した。それは,不確実性と異常値を暗黙的に記述するために,名目上のもの近くの一群の分布を利用し,最悪のケースでのロバスト状態推定を,最少の好ましい分布に関して行う。提示フレームワークの利点は;1)この方法をパラメータ化し,不確実性の構造情報を必要としない。2)いくつかの古典的フィルタ(例えば,フェージングKalmanフィルタ,リスク感受性Kalmanフィルタ,相対エントロピーKalmanフィルタ,異常値非感受性Kalmanフィルタ)を統一フレームワークに一般化した。分布的にロバストな状態推定問題を線形半定値プログラムに再定式化し,いくつかの特殊な場合において解析的に解くことができることを示した。パラメータ不確実性と測定異常値に鈍感である既存の状態推定フレームワークとの包括的比較も行った。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *線形系 ,  *不確実性 ,  *状態推定 ,  感受性 ,  システムモデル ,  線形性 ,  Kalmanフィルタ ,  *異常値 ,  構成 ,  状態 ,  推定量 ,  定式化 ,  *ロバスト性 ,  パラメタリゼーション
準シソーラス用語： パラメータ不確実性 , 【Automatic Indexing@JST】

分類 (2件)： システム同定  (IA02040O) ,  統計学  (AB08000H)

タイトルに関連する用語 (6件)： 不確実性 ,  異常値 ,  線形システム ,  分布 ,  ロバスト ,  状態推定