論文の概要: Inverse Unscented Kalman Filter

• arxiv url: http://arxiv.org/abs/2304.01698v2
• Date: Wed, 1 May 2024 08:37:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-02 20:40:32.093482
• Title: Inverse Unscented Kalman Filter
• Title（参考訳）: Inverse Unscented Kalman Filter
• Authors: Himali Singh, Kumar Vijay Mishra, Arpan Chattopadhyay,
• Abstract要約: 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通じ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、相手が計算したディフェンダーの前方フィルタ推定を推測するために別の逆非セントフィルタを使用する。 線形系では、逆カルマンフィルタ (I-KF) がこれらの反逆応用に有効であることが最近示されている。
• 参考スコア（独自算出の注目度）: 16.975704972827305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rapid advances in designing cognitive and counter-adversarial systems have motivated the development of inverse Bayesian filters. In this setting, a cognitive 'adversary' tracks its target of interest via a stochastic framework such as a Kalman filter (KF). The target or 'defender' then employs another inverse stochastic filter to infer the forward filter estimates of the defender computed by the adversary. For linear systems, the inverse Kalman filter (I-KF) has been recently shown to be effective in these counter-adversarial applications. In the paper, contrary to prior works, we focus on non-linear system dynamics and formulate the inverse unscented KF (I-UKF) to estimate the defender's state based on the unscented transform, or equivalently, statistical linearization technique. We then generalize this framework to unknown systems by proposing reproducing kernel Hilbert space-based UKF (RKHS-UKF) to learn the system dynamics and estimate the state based on its observations. Our theoretical analyses to guarantee the stochastic stability of I-UKF and RKHS-UKF in the mean-squared sense show that, provided the forward filters are stable, the inverse filters are also stable under mild system-level conditions. We show that, despite being a suboptimal filter, our proposed I-UKF is a conservative estimator, i.e., I-UKF's estimated error covariance upper-bounds its true value. Our numerical experiments for several different applications demonstrate the estimation performance of the proposed filters using recursive Cram\'{e}r-Rao lower bound and non-credibility index (NCI).
• Abstract（参考訳）: 認知システムと対逆システムの設計の急速な進歩は、逆ベイズフィルタの開発を動機付けている。 この設定では、認知的「敵」はカルマンフィルタ(KF)のような確率的枠組みを通じて興味の対象を追跡する。 ターゲットまたは「ディフェンダー」は別の逆確率フィルタを用いて、相手が計算したディフェンダーの前方フィルタ推定を推測する。 線形系では、逆カルマンフィルタ (I-KF) がこれらの反逆応用に有効であることが最近示されている。 本稿では,従来の研究とは対照的に,非線形系力学に着目し,未知のKF (I-UKF) を定式化し,未知の変換,あるいは同値の統計的線形化技術に基づいてディフェンダーの状態を推定する。 次に、このフレームワークを未知のシステムに一般化し、Hilbert空間をベースとしたUKF(RKHS-UKF)を再現し、システムダイナミクスを学習し、その観測に基づいて状態を推定する。 平均二乗感覚におけるI-UKFとRKHS-UKFの確率安定性を保証するための理論的解析により,前方フィルタが安定であれば,逆フィルタも穏やかなシステムレベル条件下で安定であることを示す。 準最適フィルタであるにもかかわらず、提案したI-UKFは保守的推定器であり、I-UKFの推定誤差共分散が真値の上限となることを示す。 いくつかの異なる応用のための数値実験により、再帰的Clam\'{e}r-Rao下界と非可逆指数(NCI)を用いて、提案フィルタの推定性能を実証した。

関連論文リスト

• Inverse Particle Filter [16.975704972827305]
  認知システムでは、行動が認知反応の主焦点であった被験者の認知過程を研究することが近年強調されている。 本稿では,大域的フィルタリング手法を採用し,逆粒子フィルタ(I-PF)の開発について述べる。 粒子フィルタフレームワークは、任意の後部分布を近似するためにモンテカルロ法(MC)を用いる。
  論文  参考訳（メタデータ） (2024-07-23T16:32:38Z)
• 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 Cubature and Quadrature Kalman filters [16.975704972827305]
  我々は、逆立方体KF(I-CKF)、逆立方体KF(I-QKF)、逆立方体KF(I-CQKF)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し,フィルタの整合性を証明する。
  論文  参考訳（メタデータ） (2023-03-18T03:48:39Z)
• 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)
• Inverse Extended Kalman Filter -- Part II: Highly Non-Linear and Uncertain Systems [18.244578289687123]
  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。 第1部:I-EKF(未知の入力を含む)とI-KF(未知の入力を含む)の理論 第2部:I-EKF(未知入力)とI-KF(未知入力)の理論
  論文  参考訳（メタデータ） (2022-08-13T16:55:39Z)
• 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)
• Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
  正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。 一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
  論文  参考訳（メタデータ） (2022-02-23T06:11:49Z)
• 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。