Détail de la notice
Titre du Document
Particle flow for nonlinear filters with log-homotopy
Auteur(s)
DAUM Fred ; HUANG Jim ; Drummond Oliver E. (Editeur scientifique)
Corporation(s) du ou des auteurs
SPIE USA (Organisateur de congrès)
Résumé
We describe a new nonlinear filter that is vastly superior to the classic particle filter. In particular, the computational complexity of the new filter is many orders of magnitude less than the classic particle filter with optimal estimation accuracy for problems with dimension greater than 2 or 3. We consider nonlinear estimation problems with dimensions varying from 1 to 20 that are smooth and fully coupled (i.e. dense not sparse). The new filter implements Bayes' rule using particle flow rather than with a pointwise multiplication of two functions; this avoids one of the fundamental and well known problems in particle filters, namely particle collapse as a result of Bayes' rule. We use a log-homotopy to derive the ODE that describes particle flow. This paper was written for normal engineers, who do not have homotopy for breakfast.
Editeur
SPIE
Type du document
Conférence : Signal and data processing of small targets, Orlando FL, USA, 2008
Identifiant
ISSN : 0277-786X ISBN : 978-0-8194-7160-4/0-8194-7160-7 CODEN : PSISDG
Source
Proceedings of SPIE, the International Society for Optical Engineering A. 2008, vol. 6969, pp. 696918.1-696918.12 [bibl. : 19 ref.]
Langue
Anglais
Pour les membres de la communauté du CNRS, ce document est autorisé à la reproduction à titre gratuit.
Pour les membres des communautés hors CNRS, la reproduction de ce document à titre onéreux sera fournie sous réserve d’autorisation du Centre Français d’exploitation du droit de Copie.

Pour bénéficier de nos services (strictement destinés aux membres de la communauté CNRS (Centre National de la Recherche Scientifique), de l'ESR français (Enseignement Supérieur et Recherche), et du secteur public français & étranger) :