KIT | KIT-Bibliothek | Impressum | Datenschutz

Nonlinear state and parameter estimation of spatially distributed systems

Sawo, Felix

In this thesis two probabilistic model-based estimators are introduced that allow the reconstruction and identification of space-time continuous physical systems. The Sliced Gaussian Mixture Filter (SGMF) exploits linear substructures in mixed linear/nonlinear systems, and thus is well-suited for identifying various model parameters. The Covariance Bounds Filter (CBF) allows the efficient estimation of widely distributed systems in a decentralized fashion.

Open Access Logo

Volltext §
DOI: 10.5445/KSP/1000011485
Die gedruckte Version dieser Publikation können Sie hier kaufen.
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Anthropomatik (IFA)
Publikationstyp Hochschulschrift
Publikationsjahr 2009
Sprache Englisch
Identifikator ISBN: 978-3-86644-370-9
ISSN: 1867-3813
KITopen-ID: 1000011485
Verlag Universitätsverlag Karlsruhe, Karlsruhe
Umfang XI, 153 S.
Serie Karlsruhe Series on Intelligent Sensor-Actuator-Systems, Universität Karlsruhe / Intelligent Sensor-Actuator-Systems Laboratory ; 5
Art der Arbeit Dissertation
Fakultät Fakultät für Informatik (INFORMATIK)
Institut Institut für Anthropomatik (IFA)
Prüfungsdaten 30.01.2009
Referent/Betreuer Prof. U. Hanebeck
Schlagwörter sensor network, nonlinear estimation, distributed-parameter system
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page