MétaCan
Menu
Retour à la cohorte
Enregistrement W2744953493 · doi:10.1016/j.ifacol.2017.08.061

Three examples of the stability properties of the invariant extended Kalman filter

2017· article· en· W2744953493 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIFAC-PapersOnLine · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueTarget Tracking and Data Fusion in Sensor Networks
Établissements canadiensSafran Electronics (Canada)
Organismes subventionnairesnon disponible
Mots-clésExtended Kalman filterInvariant extended Kalman filterControl theory (sociology)Kalman filterMultiplicative functionAlpha beta filterConvergence (economics)Computer scienceUnscented transformMathematicsArtificial intelligenceMoving horizon estimationMathematical analysis

Résumé

récupéré en direct d'OpenAlex

In the aerospace industry the (multiplicative) extended Kalman filter (EKF) is the most common method for sensor fusion for guidance and navigation. However, from a theoretical point of view, the EKF has been shown to possess local convergence properties only under restrictive assumptions. In a recent paper, we proved a slight variant of the EKF, namely the invariant extended Kalman filter (IEKF), when used as a nonlinear observer, possesses local convergence properties under the same assumptions as those of the linear case, for a class of systems defined on Lie groups. This is especially interesting as the IEKF also retains all the desirable features of the standard EKF, especially its relevant tuning in the presence of noises. In the present paper we provide three examples of engineering interest where the theory is shown to apply, yielding three EKF-like algorithms with guaranteed local convergence properties. Beyond those contributions, the present article is sufficiently accessible to help the practitioner understand through concrete examples the general IEKF theory, and to provide him with guidelines for the design of IEKFs.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,608
Score d'incertitude au seuil0,634

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0030,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,246
Écart entre enseignants0,183 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle