Continuous and Discrete Space Particle Filters for Predictions in Acoustic Positioning
Notice bibliographique
Résumé
Predicting the future state of a random dynamic signal based on corrupted, distorted, and partial observations is vital for proper real-time control of a system that includes time delay. Motivated by problems from Acoustic Positioning Research Inc., we consider the continual automated illumination of an object moving within a bounded domain, which requires object location prediction due to inherent mechanical and physical time lags associated with robotic lighting. Quality computational predictions demand high fidelity models for the coupled moving object signal and observation equipment pair. In our current problem, the signal represents the vector position, orientation, and velocity of a stage performer. Acoustic observations are formed by timing ultrasonic waves traveling from four perimeter speakers to a microphone attached to the performer. The goal is to schedule lighting movements that are coordinated with the performer by anticipating his/her future position based upon these observations using filtering theory. Particle system based methods have experienced rapid development and have become an essential technique of contemporary filtering strategies. Hitherto, researchers have largely focused on continuous state particle filters, ranging from traditional weighted particle filters to adaptive refining particle filters, readily able to perform path-space estimation and prediction. Herein, we compare the performance of a state-of-the-art refining particle filter to that of a novel discrete-space particle filter on the acoustic positioning problem. By discrete space particle filter we mean a Markov chain that counts particles in discretized cells of the signal state space in order to form an approximated unnormalized distribution of the signal state. For both filters mentioned above, we will examine issues like the mean time to localize a signal, the fidelity of filter estimates at various signal to noise ratios, computational costs, and the effect of signal fading; furthermore, we will provide visual demonstrations of filter performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».