Bayesian Filtering for State Estimation of Dynamic System

19 صفحه

فیلتر بیزی برای تخمین حالت سیستم های پویا

26 صفحه

فایل word ترجمه و pdf رایگان انگلیسی

800,000 ريال

این بخش روی موضوع اهمیت اساسی تخمین حالت پنهان سیستم پویا با داشتن مجموعه¬ای از مشاهدات متمرکز می¬شود.
این بخش به صورت زیر سازماندهی شده است:
1. بخش معرفی، بخش14.1، علاقه به مطالعه تخمین حالت ترتیبی را بر می¬انگیزد.
2. بخش 14.2 در مورد نظریه فضای حالت و روش¬های متفاوت مدل¬کردن آن بحث می¬کند.
3. در بخش 14.3، به فیلتر کاملن مشهور اشاره شده که با پیاده¬سازی ریشه دوم (جذر) فیلتر برای ثبات عددی در بخش 14.4 ادامه می¬یابد. بخش 14.5 از فیلتر کالمن تعمیم داده شده برای مواجه شدن با موقعیت¬هایی که در آن¬ها فاکتور غیرخطی به صورت ملایم است استفاده می¬کند.
4. بخش 14.6، فیلتر بیزی را که حداقل از نظر مفهومی یک فریمورک واحد برای تخمین حالت سیستم¬های پویا فراهم می¬کند را مورد بحث قرار می¬دهد.
5. بخش 14.7 یک توصیف از قاعده حجم برای تقریب عددی مستقیم از فیلتر بیزی ارائه می¬دهد که شرح فیلتر جدید، فیلتر حجم کالمن، که ایده¬هایی را از تئوری فیلتر کاملن بدست می¬آورد را آسان می¬کند.
6. بخش 14.8، رویکرد دیگری برای پیچیدگی فیلتر بیزی ارائه می¬دهد. این روش از شبیه¬سازی مونت کارلو نشات می¬گیرد. به طور خاص، جزییات فیلترهای ذرات نشان داده شده است. یک مقایسه کامپیوتری بین کارایی فیلتر کالمن تعمیم داده شده و فرم مخصوص فیلتر ذرات در بخش 14.9 آورده شده است.
7. بخش 14.10 در مورد نقش فیلتر کالمن در مدل¬سازی قسمت¬های مختلف مغز انسان بحث می-کند.
این فصل با خلاصه و بحث در بخش 14.11 نتیجه¬گیری می¬کند.