Resampling-free Stochastic Integration Filter

Abstract

Článek se zabývá odhadem stavu nelineárních stochastických systémů s aditivními gaussovskými šumy pomocí gaussovských filtrů založených na numerických integračních pravidlech. Filtry byly odvozeny za předpokladu sdružené gaussovosti predikcí stavu a měření, který je však v případě nelinearity systému porušen. Takovéto porušení lze stěží monitorovat standardními gaussovskými filtry, které přegenerovávají sigma body pro každou použítou numerickou integraci za účelem zvýšení jejich variance s cílem respektovat působení aditivních šumů. Článek navrhuje algoritmus filtru se stochastickou integrací, který místo jejich opětovného vygenerování sigma body modifikuje a tudíž umožňuje opakované využití bodů v dalších časových krocích. Rozložení bodů tak může uchovávat více informace než pouze první dva momenty, jak to je běžné u standardních gaussovských filtrů. Nově získaná informace se pak následně využije ze účelem monitorování splnění gaussovských předpokladů. V okamžiku, kdy je předpoklad porušen, může filtr změnit aktivně své chování. Vedlejším důsledkem opakovaného použití bodů je podstatné snížení výpočetních nároků v porovnáním se standardním filtrem se stochastickou integrací.