Publication

A robust minimum-variance filter for time varying uncertain discrete-time systems

Ali H. Sayed
2003
Article de conférence

Résumé

A robust filter is designed for uncertain discrete time models. The filter is based on a regularized solution and guarantees minimum state error variance. Simulation results confirm its superior performance over other robust filter designs.

Source officielle

https://infoscience.epfl.ch/record/233253?ln=fr

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search

A robust minimum-variance filter for time varying uncertain discrete-time systems

Graph Chatbot

Chattez avec Graph Search

A Geometric Unification of Distributionally Robust Covariance Estimators: Shrinking the Spectrum by Inflating the Ambiguity Set

Sparsely Observed Functional Time Series: Theory and Applications

Geodesic Distance on Optimally Regularized Functional Connectomes Uncovers Individual Fingerprints

Sparsely Observed Functional Time Series: Theory and Applications

Geodesic Distance on Optimally Regularized Functional Connectomes Uncovers Individual Fingerprints

A Geometric Unification of Distributionally Robust Covariance Estimators: Shrinking the Spectrum by Inflating the Ambiguity Set