Jump to ContentJump to Main Navigation
Show Summary Details
More options …

tm - Technisches Messen

Plattform für Methoden, Systeme und Anwendungen der Messtechnik

[TM - Technical Measurement: A Platform for Methods, Systems, and Applications of Measurement Technology
]

Editor-in-Chief: Puente León, Fernando / Zagar, Bernhard

12 Issues per year


IMPACT FACTOR 2016: 0.348

CiteScore 2016: 0.28

SCImago Journal Rank (SJR) 2016: 0.241
Source Normalized Impact per Paper (SNIP) 2016: 0.343

Online
ISSN
2196-7113
See all formats and pricing
More options …
Volume 77, Issue 10

Issues

Modellierung von Unsicherheiten und Zustandsschätzung mit Mengen von Wahrscheinlichkeitsdichten

Benjamin Noack / Vesa Klumpp / Daniel Lyons / Uwe D. Hanebeck
Published Online: 2010-10-05 | DOI: https://doi.org/10.1524/teme.2010.0087

Zusammenfassung

Die systematische Behandlung von Unsicherheiten stellt eine wesentliche Herausforderung in der Informationsfusion dar. Einerseits müssen geeignete Darstellungsformen für die Unsicherheiten bestimmt werden und andererseits darauf aufbauend effiziente Schätzverfahren hergeleitet werden. Im Allgemeinen wird zwischen stochastischen und mengenbasierten Unsicherheitsbeschreibungen unterschieden. Dieser Beitrag stellt ein Verfahren zur Zustandsschätzung vor, welches simultan stochastische und mengenbasierte Fehlergrößen berücksichtigen kann, indem unsichere Größen nicht mehr durch eine einzelne Wahrscheinlichkeitsdichte, sondern durch eine Menge von Dichten repräsentiert werden. Besonderes Augenmerk liegt hier auf den Vorteilen und Anwendungsmöglichkeiten dieser Unsicherheitsbeschreibung.

Abstract

Treating uncertainties properly is a difficult but necessary task in data fusion applications. In order to meet this challenge, appropriate uncertainty models are required and efficient state estimation techniques need to be derived. The most common approaches are to model uncertain quantities as random variables or as bounded sets. This paper presents a state estimation framework that allows for a simultaneous treatment of stochastic and unknown but bounded uncertainties. This is achieved by characterizing an uncertain quantity by a set of probability densities. Finally, promising applications of the derived concept are described.

Keywords: Bayesian estimation; Kalman filtering; sets of densities; credal sets; imprecise probabilities

About the article

* Correspondence address: Karlsruher Institut für Technologie, Institut für Anthropomatik, Adenauerring 2, LS für intelligente Sensor-Aktor-Systeme, 76131 Karlsruhe,


Published Online: 2010-10-05

Published in Print: 2010-10-01


Citation Information: tm - Technisches Messen Plattform für Methoden, Systeme und Anwendungen der Messtechnik, Volume 77, Issue 10, Pages 544–550, ISSN (Print) 0171-8096, DOI: https://doi.org/10.1524/teme.2010.0087.

Export Citation

© by Oldenbourg Wissenschaftsverlag, Karlsruhe, Germany. Copyright Clearance Center

Comments (0)

Please log in or register to comment.
Log in