CODED FILTER

A method and apparatus for estimating and compensating for a broad class of non-Gaussian sensor and process noise. In one example, a coded filter combines a dynamic state estimator (for example, a Kalman filter) and a non-linear estimator to provide approximations of the non-Gaussian process and sen...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: MCMANUS, MICHAEL, F, YU, CHRISTOPHER, RACHLIN, YARON, MANGOUBI, RAMI
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:A method and apparatus for estimating and compensating for a broad class of non-Gaussian sensor and process noise. In one example, a coded filter combines a dynamic state estimator (for example, a Kalman filter) and a non-linear estimator to provide approximations of the non-Gaussian process and sensor noise associated with a dynamic system. These approximations are used by the dynamic state estimator to correct sensor measurements or to alter the dynamic model governing evolution of the system state. Examples of coded filters leverage compressive sensing techniques in combination with error models based on concepts of compressibility and the application of efficient convex optimization processes. L'invention concerne un procédé et un appareil pour estimer et compenser une classe large de bruit de capteur et de traitement non gaussien. Dans un exemple de réalisation, un filtre codé combine un estimateur de statut dynamique (par exemple un filtre de Kalman) et un estimateur non linéaire afin de fournir des approximations du bruit de traitement et de capteur non gaussien associé à un système dynamique. Ces approximations sont utilisées par l'estimateur d'état dynamique afin de corriger des mesures de capteur ou de modifier l'évolution de gouvernement de modèle dynamique de l'état du système. Des exemples de filtres codés mettent à profit des techniques de détection compressive en combinaison avec des modèles d'erreur basés sur des concepts de compressibilité et l'application de processus d'optimisation convexes efficaces.