Dieser Beitrag stellt ein neuartiges Filter zur Schätzung des Zustands eines zeitvarianten linearen dynamischen Systems für den Fall vor, dass sowohl im Systemeingang als auch in der Messung simultan zwei unterschiedliche Unsicherheitsformen auftreten. Die erste Unsicherheit ist durch einen stochastischen Prozess mit bekannter Charakteristik gegeben. Die zweite wird nur durch ihre Wertbegrenzung beschrieben, die Verteilungsdichte ist jedoch unbekannt. Das neue Filter verallgemeinert bekannte Konzepte wie das Kalman-Filter und das mengenbasierte Filter, und umfasst diese als Grenzfälle. Abschließend werden zwei Anwendungen des neuen Filters auf Probleme in der Robotik vorgestellt.
This paper presents a new approach for estimating the state of a time–variant linear dynamic system when the system input and the measurements suffer from two different types of uncertainties simultaneously. The first type of uncertainty is a stochastic process with given characteristics. The second type of uncertainty is only known to be bounded, the underlying distribution is unknown. The new estimator generalizes Kalman filtering and set theoretic filtering and contains these filters as special cases. Two applications in robotics are discussed.
