論文の概要: Inverse Extended Kalman Filter -- Part II: Highly Non-Linear and
Uncertain Systems
- arxiv url: http://arxiv.org/abs/2208.06683v1
- Date: Sat, 13 Aug 2022 16:55:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-16 15:02:02.714826
- Title: Inverse Extended Kalman Filter -- Part II: Highly Non-Linear and
Uncertain Systems
- Title(参考訳): 逆拡張カルマンフィルタ --その2:高非線形・不確実性系
- Authors: Himali Singh, Arpan Chattopadhyay and Kumar Vijay Mishra
- Abstract要約: 本稿では,非線形システムにおける逆フィルタ問題に対処する逆拡張カルマンフィルタ(I-EKF)を提案する。
有界非線形アプローチを用いた逆二階EKFの理論安定性保証を導出する。
システムモデルとフォワードフィルタがディフェンダーに完全に知られている標準I-EKFの制限に対処するため、Hilbert空間に基づくEKFの再生を提案する。
- 参考スコア(独自算出の注目度): 18.244578289687123
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent counter-adversarial system design problems have motivated the
development of inverse Bayesian filters. For example, inverse Kalman filter
(I-KF) has been recently formulated to estimate the adversary's Kalman filter
tracked estimates and hence, predict the adversary's future steps. The purpose
of this paper and the companion paper (Part I) is to address the inverse
filtering problem in non-linear systems by proposing an inverse extended Kalman
filter (I-EKF). In a companion paper (Part I), we developed the theory of I-EKF
(with and without unknown inputs) and I-KF (with unknown inputs). In this
paper, we develop this theory for highly non-linear models, which employ
second-order, Gaussian sum, and dithered forward EKFs. In particular, we derive
theoretical stability guarantees for the inverse second-order EKF using the
bounded non-linearity approach. To address the limitation of the standard
I-EKFs that the system model and forward filter are perfectly known to the
defender, we propose reproducing kernel Hilbert space-based EKF to learn the
unknown system dynamics based on its observations, which can be employed as an
inverse filter to infer the adversary's estimate. Numerical experiments
demonstrate the state estimation performance of the proposed filters using
recursive Cram\'{e}r-Rao lower bound as a benchmark.
- Abstract(参考訳): 最近の対逆系設計問題は逆ベイズフィルタの開発を動機付けている。
例えば、逆カルマンフィルタ(i-kf)は、最近、敵のカルマンフィルタが推定を追跡し、従って敵の将来のステップを予測するために定式化されている。
本論文の目的は,逆拡張カルマンフィルタ(I-EKF)を提案し,非線形システムにおける逆フィルタリング問題に対処することである。
共用論文(第1部)では、I-EKF(未知の入力を持つ)とI-KF(未知の入力を持つ)の理論を開発した。
本稿では,この理論を,二階和,ガウス和,前方EKFを用いた高非線形モデルに対して展開する。
特に、有界非線形アプローチを用いた逆二階EKFの理論安定性保証を導出する。
システムモデルとフォワードフィルタがディフェンダーに完全に知られているような標準I-EKFの制限に対処するため、Hilbert空間に基づくEKFを再生して、その観測に基づいて未知のシステムダイナミクスを学ぶことを提案する。
数値実験により, 再帰的Clam\'{e}r-Rao下界をベンチマークとして, 提案フィルタの状態推定性能を示す。
関連論文リスト
- Closed-form Filtering for Non-linear Systems [83.91296397912218]
我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。
本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。
提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
論文 参考訳(メタデータ) (2024-02-15T08:51:49Z) - Optimization or Architecture: How to Hack Kalman Filtering [52.640789351385266]
非線形フィルタリングでは、ニューラルネットワークのような非線形アーキテクチャと標準線形カルマンフィルタ(KF)を比較するのが伝統的である。
どちらも同じように最適化されるべきであり、最終的には最適化KF(OKF)を提示する。
論文 参考訳(メタデータ) (2023-10-01T14:00:18Z) - Inverse Unscented Kalman Filter [18.244578289687123]
認知的敵はカルマンフィルタ(KF)のようなフレームワークを介して関心の対象を追跡する
ターゲットまたはディフェンダー'は別の逆フィルタを用いて、相手が計算したディフェンダーのフォワードフィルタ推定を推測する。
本稿では,非線形系力学に着目し,逆KFを定式化し,線形化誤差を低減したディフェンダの状態の推定を行う。
論文 参考訳(メタデータ) (2023-04-04T10:51:43Z) - Inverse Cubature and Quadrature Kalman filters [18.244578289687123]
多くの対逆的設定は、EKFの線形化がしばしば失敗する、高度に非線形なシステムモデルを含む。
逆立方体KF(I-CKF)と逆立方体KF(I-QKF)を開発する。
指数平均二乗有界感におけるフィルタの安定性条件を導出する。
論文 参考訳(メタデータ) (2023-03-18T03:48:39Z) - Learning the Kalman Filter with Fine-Grained Sample Complexity [4.301206378997673]
離散時間無限水平カルマンフィルタにおけるモデルフリーポリシー勾配法(PG法)の最初のエンドツーエンドのサンプル複雑性を開発する。
本研究の結果は, 統計的ノイズ等により状態測定が破損しうる線形力学系を制御するために, モデルフリーPG法の適用に光を当てた。
論文 参考訳(メタデータ) (2023-01-30T02:41:18Z) - Counter-Adversarial Learning with Inverse Unscented Kalman Filter [18.244578289687123]
対戦相手システムでは、知的敵エージェントの戦略を推測するために、防御エージェントは、相手が後者について集めた情報を認知的に知覚する必要がある。
非線形ガウス状態空間モデルとして逆認知を定式化する。
次に、平均二乗有界性感覚におけるIUKFの安定性に関する理論的保証を導出する。
論文 参考訳(メタデータ) (2022-10-01T20:31:47Z) - Computational Doob's h-transforms for Online Filtering of Discretely
Observed Diffusions [65.74069050283998]
本研究では,Doobの$h$-transformsを近似する計算フレームワークを提案する。
提案手法は、最先端粒子フィルタよりも桁違いに効率的である。
論文 参考訳(メタデータ) (2022-06-07T15:03:05Z) - Deep Learning for the Benes Filter [91.3755431537592]
本研究では,メッシュのないニューラルネットワークによるベンズモデルの解の密度の表現に基づく新しい数値計算法を提案する。
ニューラルネットワークの領域選択におけるフィルタリングモデル方程式における非線形性の役割について論じる。
論文 参考訳(メタデータ) (2022-03-09T14:08:38Z) - Inverse Extended Kalman Filter -- Part I: Fundamentals [19.078991171384015]
本稿では,逆拡張カルマンフィルタ(I-EKF)の理論を詳述する。
我々は、有界非線型性と未知行列アプローチの両方を用いて理論的安定性を保証する。
本論文(パートII)では,不完全なシステムモデル情報を扱うために,Hilbert空間に基づくEKFの再生を提案する。
論文 参考訳(メタデータ) (2022-01-05T10:56:58Z) - Fourier Series Expansion Based Filter Parametrization for Equivariant
Convolutions [73.33133942934018]
2次元フィルタパラメトリゼーション技術は同変畳み込みの設計において重要な役割を果たす。
F-Convというフィルタパラメトリゼーション法に基づく新しい同変畳み込み法
F-Convは、画像超解像タスクにおいて、以前のフィルタパラメトリゼーション法よりも明らかに優れている。
論文 参考訳(メタデータ) (2021-07-30T10:01:52Z) - Innovative And Additive Outlier Robust Kalman Filtering With A Robust
Particle Filter [68.8204255655161]
提案するCE-BASSは, 粒子混合カルマンフィルタであり, 革新的および付加的両方の外れ値に対して堅牢であり, 隠蔽状態の分布における多モード性を完全に捉えることができる。
さらに、CE-BASSは過去の状態を再サンプリングすることで、トレンドの変化のような観測ですぐには見えない革新的な外れ値を扱うことができる。
論文 参考訳(メタデータ) (2020-07-07T07:11:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。