On Estimation of Unknown Disturbances of Non-Linear State-Space Model Using Marginalized Particle Filter

Research Report

Šmídl Václav

publisher: ÚTIA AV ČR, (Praha 2008)

edition: Research Report 2245

research: CEZ:AV0Z10750506

project(s): 1M0572GA MŠk, GP102/08/P250GA ČR

keywords: particle filter, unknown covariance matrix, Bayesian filtering

preview: Download

abstract (eng):

The problem of estimation of unknown covariance matrix of non-linear state-space model is studied. The proposed methodology is based on combination of Extended Kalman Filter with particle filter. It is shown that the approach is promising for limited number of unknown parameters. More demanding problems with completely unknown covariance structures can not be reliably estimated since the observed data do not carry enough information.

abstract (cze):

Práce se zabývá odhadem neznámé kovarianční matice nelineárního stavového modelu. Navržená metodika je kombinací rozšířeného Kalmanova filtru s particle filtrem. Výsledná metoda funguje velmi dobře pro kovarianční matice s danou omezenou strukturou. Složitější problémy s plnou strukturou kovarianční matice nelze spolehlivě odhadnout díky nedostatečné informační hodnotě pozorovaných dat.

RIV: BC