0322493 20240111140716.920090317235959.9 Praha ÚTIA AV ČR 2008 19 s. www Research Report 2245 particle filter unknown covariance matrix Bayesian filtering cav_un_auth*0101207 Šmídl Václav UTIA-B Department of Adaptive Systems Ústav teorie informace a automatizace AV ČR, v. v. i. PDF http://library.utia.cas.cz/separaty/2008/AS/smidl-on estimation of unknown disturbances of non-linear state-space model using marginalized particle filter.pdf 1M0572 GA MŠk cav_un_auth*0001814 GP102/08/P250 GA ČR cav_un_auth*0241640 CEZ:AV0Z10750506 The problem of estimation of unknown covariance matrix of non-linear state-space model is studied. The proposed methodology is based on combination of Extended Kalman Filter with particle filter. It is shown that the approach is promising for limited number of unknown parameters. More demanding problems with completely unknown covariance structures can not be reliably estimated since the observed data do not carry enough information. Práce se zabývá odhadem neznámé kovarianční matice nelineárního stavového modelu. Navržená metodika je kombinací rozšířeného Kalmanova filtru s particle filtrem. Výsledná metoda funguje velmi dobře pro kovarianční matice s danou omezenou strukturou. Složitější problémy s plnou strukturou kovarianční matice nelze spolehlivě odhadnout díky nedostatečné informační hodnotě pozorovaných dat. 2009 BC 4 O 4o 20231122133808.4 http://hdl.handle.net/11104/0170734 2008 Soubory v repozitáři: 0322493.pdf 2008 Praha ÚTIA AV ČR PDF