| Identifikační kód |
RIV/67985556:_____/11:00363163 |
| Název v anglickém jazyce |
Non-Parametric Bayesian Measurement Noise Density Estimation in Non-Linear Filtering |
| Druh |
D - Stať ve sborníku |
| Jazyk |
eng - angličtina |
| Obor - skupina |
B - Fyzika a matematika |
| Obor |
BD - Teorie informace |
| Rok uplatnění |
2011 |
| Kód důvěrnosti údajů |
S - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů. |
| Počet výskytů výsledku |
1 |
| Počet tvůrců celkem |
4 |
| Počet domácích tvůrců |
1 |
| Výčet všech uvedených jednotlivých tvůrců |
Václav Šmídl (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 6618812)
F. Gustafsson (státní příslušnost: SE - Švédské království)
E. Okzan (státní příslušnost: SE - Švédské království)
S. Sáha (státní příslušnost: SE - Švédské království) |
| Popis výsledku v anglickém jazyce |
In this study, we investigate online Bayesian estimation of the measurement noise density of a given state space model using particle ?lters and Dirichlet process mixtures. Dirichlet processes are widely used in statistics for nonparametric density estimation. In the proposed method, the unknown noise is modeled as a Gaussian mixture with unknown number of components. The joint estimation of the state and the noise density is done via particle ?lters. Furthermore, the number of components and the noisestatistics are allowed to vary in time. An extension of the method for the estimation of time varying noise characteristics is also introduced. |
| Klíčová slova oddělená středníkem |
Particle filtering; Dirichlet process; Bayesian Estimation |
| Stránka www, na které se nachází výsledek |
- |
| Odkaz na údaje z výzkumu |
- |