Wykorzystanie filtru cząsteczkowego w problemie identyfikacji układów automatyki

• Autorzy: Kozierski P.

Warianty tytułu

EN

Employ a particle filter in the identification procedure

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono sposób identyfikacji parametrycznej obiektów nieliniowych zapisanych w przestrzeni stanu. Identyfikacja wykorzystuje metodę największej wiarygodności (ML), z zastosowaniem filtru cząsteczkowego i algorytmu oczekiwanie-maksymalizacja (EM).

EN

A way of parameter estimation of nonlinear dynamic systems in state-space form is presented. The identification uses Maximum Likelihood method (ML), Particle Filter approach and Expectation-Maximization algorithm (EM).

Słowa kluczowe

PL

identyfikacja; metoda największej wiarygodności; filtr cząsteczkowy; oczekiwanie-maksymalizacja

EN

identification; maximum likelihood method; particle filter; expectation-maximization

• Wydawca: Sieć Badawcza Łukasiewicz - Instytut Elektrotechniki
• Czasopismo: Prace Instytutu Elektrotechniki
• Rocznik: 2012
• Tom: Z. 260
• Strony: 157--169
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Kozierski P.

• Politechnika Poznańska,

Bibliografia

• 1. Arulampalam S., Maskell S., Gordon N., Clapp T.: A tutorial on Particle Filters for On-line Non-linear/Non-Gaussian Bayesian Tracking. IEEE Proceedings on Signal Processing, Vol. 50, No. 2, 2002, s. 174-188.
• 2. Brzozowska-Rup K., Dawidowicz A.L.: Metoda filtru cząsteczkowego. Matematyka Stosowana: matematyka dla społeczeństwa 2009, T. 10/51, s. 69-107.
• 3. Candy J.V.: Bayesian signal processing. WILEY, New Jersey 2009, s. 237-298.
• 4. Doucet A., Freitas N., Gordon N.: Sequential Monte Carlo Methods in Practice. Springer-Verlag, New York 2001, s. 139-196.
• 5. Doucet A., Johansen A.M.: A Tutorial on Particle Filtering and Smoothing: Fifteen years later. Handbook of Nonlinear Filtering 2009/12, s. 656-704.
• 6. Gordon N.J., Salmond N.J., Smith A.F.M.: Novel approach to nonlinear/non-Gaussian Bayesian state estimation. IEE Proceedings-F, Vol. 140, No. 2, 1993, s. 107-113.
• 7. Kozierski P., Lis M.: Filtr cząsteczkowy w problemie śledzenia – wprowadzenie. Studia z Automatyki i Informatyki, Tom 37 (2012), s. 79-94.
• 8. Ljung L.: Perspectives on system identification. Plenary talk at the 17th IFAC world congress. Seoul, Korea. July 6-11.
• 9. Merwe R., Doucet A., Freitas N., Wan E.: The Unscented Particle Filter. Advances in Neural Information Processing Systems (NIPS 13), Dec. 2000.
• 10. Schön T.B., Wills A., Ninness B.: System identification of nonlinear state-space models. Automatica 47 (2011), s. 39-49.
• 11. Simon D.: Optimal State Estimation. WILEY-INTERSCIENCE, New Jersey 2006, s. 461-484.