• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Asilomar Conference on Signals, Systems and Computers >Optimal finite-horizon sensor selection for Boolean Kalman Filter
【24h】

Optimal finite-horizon sensor selection for Boolean Kalman Filter

机译：布尔卡尔曼滤波器的最佳有限水平传感器选择

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Partially-observed Boolean dynamical systems (POBDS) are large and complex dynamical systems capable of being monitored through various sensors. However, time, storage, and economical constraints may impede the use of all sensors for estimation purposes. Thus, developing a procedure for selecting a subset of sensors is essential. The optimal minimum mean-square error (MMSE) POBDS state estimator is the Boolean Kalman Filter (BKF) and Smoother (BKS). Naturally, the performance of these estimators strongly depends on the choice of sensors. Given a finite subsets of sensors, for a POBDS with a finite observation space, we introduce the optimal procedure to select the best subset which leads to the smallest expected mean-square error (MSE) of the BKF over a finite horizon. The performance of the proposed sensor selection methodology is demonstrated by numerical experiments with a p53-MDM2 negative-feedback loop gene regulatory network observed through Bernoulli noise.
机译：部分观测的布尔动力系统（POBDS）是大型且复杂的动力系统，能够通过各种传感器进行监视。但是，时间，存储和经济上的限制可能会妨碍将所有传感器用于估计目的。因此，开发用于选择传感器子集的程序至关重要。最佳最小均方误差（MMSE）POBDS状态估计器是布尔卡尔曼滤波器（BKF）和平滑器（BKS）。当然，这些估计器的性能在很大程度上取决于传感器的选择。给定传感器的有限子集，对于具有有限观察空间的POBDS，我们引入了最佳过程以选择最佳子集，该子集会导致BKF在有限范围内的最小期望均方误差（MSE）。通过通过伯努利噪声观察到的p53-MDM2负反馈环基因调控网络的数值实验，证明了所提出的传感器选择方法的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号