Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
The Ensemble Kalman Filter and its Relations to Other Nonlinear Filters
Linköpings universitet, Institutionen för systemteknik, Reglerteknik. Linköpings universitet, Tekniska fakulteten.
Linköpings universitet, Institutionen för systemteknik, Reglerteknik. Linköpings universitet, Tekniska fakulteten.
Linköpings universitet, Institutionen för systemteknik, Reglerteknik. Linköpings universitet, Tekniska fakulteten. Swedish Defence Research Agency (FOI), Linköping, Sweden.ORCID-id: 0000-0002-1971-4295
Linköpings universitet, Institutionen för systemteknik, Reglerteknik. Linköpings universitet, Tekniska fakulteten.
2015 (Engelska)Ingår i: Proceedings of the 2015 European Signal Processing Conference (EUSIPCO 2015), Institute of Electrical and Electronics Engineers (IEEE), 2015, s. 1236-1240Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

The Ensemble Kalman filter (EnKF) is a standard algorithm in oceanography and meteorology, where it has got thousands of citations. It is in these communities appreciated since it scales much better with state dimension n than the standard Kalman filter (KF). In short, the EnKF propagates ensembles with N state realizations instead of mean values and covariance matrices and thereby avoids the computational and storage burden of working on n×n matrices. Perhaps surprising, very little attention has been devoted to the EnKF in the signal processing community. In an attempt to change this, we present the EnKF in a Kalman filtering context. Furthermore, its application to nonlinear problems is compared to sigma point Kalman filters and the particle filter, so as to reveal new insights and improvements for high-dimensional filtering algorithms in general. A simulation example shows the EnKF performance in a space debris tracking application.

Ort, förlag, år, upplaga, sidor
Institute of Electrical and Electronics Engineers (IEEE), 2015. s. 1236-1240
Serie
European Signal Processing Conference, ISSN 2076-1465
Nyckelord [en]
Kalman filter; ensemble Kalman filter; sigma point Kalman filter; UKF; particle filter
Nationell ämneskategori
Reglerteknik Signalbehandling
Identifikatorer
URN: urn:nbn:se:liu:diva-121079DOI: 10.1109/EUSIPCO.2015.7362581ISI: 000377943800249ISBN: 978-0-9928626-3-3 (tryckt)OAI: oai:DiVA.org:liu-121079DiVA, id: diva2:851508
Konferens
23rd European Signal Processing Conference,Nice, France, Aug 31-Sept 4, 2015
Projekt
Scalable Kalman Filters
Forskningsfinansiär
VetenskapsrådetTillgänglig från: 2015-09-05 Skapad: 2015-09-05 Senast uppdaterad: 2016-07-29Bibliografiskt granskad

Open Access i DiVA

fulltext(295 kB)892 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 295 kBChecksumma SHA-512
e414b7f8be3bbf5b6b6e80af536dda06c055fe662ed910a4b7e24ff995a16ae192b8a74a69a095fd914f1620318b6aecfa0fe301553ddbe5d7a014073e8a5224
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Sök vidare i DiVA

Av författaren/redaktören
Roth, MichaelFritsche, CarstenHendeby, GustafGustafsson, Fredrik
Av organisationen
ReglerteknikTekniska fakulteten
ReglerteknikSignalbehandling

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 892 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 898 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf