KIT | KIT-Bibliothek | Impressum

Deterministic Sampling for Nonlinear Dynamic State Estimation

Gilitschenski, Igor



Abstract (englisch): The goal of this work is improving existing and suggesting novel filtering algorithms for nonlinear dynamic state estimation. Nonlinearity is considered in two ways: First, propagation is improved by proposing novel methods for approximating continuous probability distributions by discrete distributions defined on the same continuous domain. Second, nonlinear underlying domains are considered by proposing novel filters that inherently take the underlying geometry of these domains into account.


Zugehörige Institution(en) am KIT Institut für Anthropomatik und Robotik (IAR)
Publikationstyp Hochschulschrift
Jahr 2016
Sprache Englisch
Identifikator DOI: 10.5445/KSP/1000051670
ISBN: 978-3-7315-0473-3
ISSN: 1867-3813
URN: urn:nbn:de:0072-516709
KITopen ID: 1000051670
Verlag KIT Scientific Publishing, Karlsruhe
Umfang XVI, 167 S.
Serie Karlsruhe Series on Intelligent Sensor-Actuator-Systems / Karlsruher Institut für Technologie, Intelligent Sensor-Actuator-Systems Laboratory ; 18
Abschlussart Dissertation
Fakultät Fakultät für Informatik (INFORMATIK)
Institut Institut für Anthropomatik und Robotik (IAR)
Prüfungsdaten 24.04.2015
Referent/Betreuer Prof. U.D. Hanebeck
Schlagworte Stochastische Filterung, Sensordatenfusion, Richtungsstatistik, Dichteapproximation Stochastic Filtering, Sensor Data Fusion, Directional Statistics, Density Approximation
Bestellung Die Veröffentlichung ist bei KIT Scientific Publishing erschienen.
Weitere Informationen sowie gegebenenfalls Bestellmöglichkeiten finden Sie hier.
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft KITopen Landing Page