Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

15. Smoothing and Interpolation

verfasst von : Anders Lindquist, Giorgio Picci

Erschienen in: Linear Stochastic Systems

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Given a linear stochastic system of dimension n in either discrete or continuous time, the smoothing problem amounts to determining the least-squares estimates
$$\displaystyle{\hat{x}(t) =\mathop{ \mathrm{E}}\nolimits \{x(t)\mid y(s);\;t_{0} \leq s \leq t_{1}\},\quad t_{0} \leq t \leq t_{1}}$$
for some finite interval [t 0, t 1]. When t 0 → −∞ and t 1 → ∞, we end up in the stationary setting of Sect. 14.​3, and we shall use this fact to reduce the dimension of the smoothing algorithms.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Zero Dynamics and the Geometry of the Riccati Inequality
Nächstes Kapitel Acausal Linear Stochastic Models and Spectral Factorization
Literatur
12.
Anderson, B.D.O., Moore, J.B.: Optimal Filtering. Prentice-Hall Inc., Englewood Cliffs (1979)MATH
17.
Badawi, F.A., Lindquist, A.: A stochastic realization approach to the discrete-time Mayne-Fraser smoothing formula. In: Frequency Domain and State Space Methods for Linear Systems, Stockholm, 1985, pp. 251–262. North-Holland, Amsterdam (1986)
18.
Badawi, F.A., Lindquist, A., Pavon, M.: On the Mayne-Fraser smoothing formula and stochastic realization theory for nonstationary linear stochastic systems. In: Proceedings of the 18th IEEE Conference on Decision and Control, Fort Lauderdale, 1979, vols. 1, 2, pp. 505–510A. IEEE, New York (1979)
19.
Badawi, F.A., Lindquist, A., Pavon, M.: A stochastic realization approach to the smoothing problem. IEEE Trans. Autom. Control 24(6), 878–888 (1979)CrossRefMATHMathSciNet
36.
Brockett, R.W.: Finite Dimensional Linear Systems. Wiley, New York (1970)MATH
38.
Bryson, A.E., Frazier, M.: Smoothing for linear and nonlinear dynamic systems. In: Proceedings of the Optimum System Synthesis Conference, pp. 353–364. Wright-Patterson AFB, Ohio, USA (1963)
91.
Ferrante, A., Picci, G.: Minimal realization and dynamic properties of optimal smoothers. IEEE Trans. Autom. Control 45(11), 2028–2046 (2000)CrossRefMATHMathSciNet
99.
Fraser, D.C.: A new technique for optimal smoothing of data. PhD thesis, MIT, Cambridge (1967)
100.
Fraser, D., Potter, J.: The optimum linear smoother as a combination of two optimum linear filters. IEEE Trans. Autom. Control 14(4), 387–390 (1969)CrossRefMathSciNet
154.
Kailath, T., Frost, P.A.: An innovations approach to least-squares estimation – part ii: Linear smoothing in additive noise. IEEE Trans. Autom. Control AC-13, 655–660 (1968)CrossRefMathSciNet
177.
Lancaster, P., Rodman, L.: Algebraic Riccati Equations. Clarendon, Oxford (1995)MATH
185.
Lewis, F.L.: Applied Optimal Control & Estimation. Prentice-Hall, Englewood Cliffs (1992)MATH
186.
Lindquist, A.: A theorem on duality between estimation and control for linear stochastic systems with time delay. J. Math. Anal. Appl. 37(2), 516–536 (1972)CrossRefMATHMathSciNet
205.
Lindquist, A., Picci, G.: Realization theory for multivariate stationary Gaussian processes. SIAM J. Control Optim. 23(6), 809–857 (1985)CrossRefMATHMathSciNet
206.
Lindquist, A., Picci, G.: A geometric approach to modelling and estimation of linear stochastic systems. J. Math. Syst. Estim. Control 1(3), 241–333 (1991)MathSciNet
213.
Ljung, L., Kailath, T.: Backwards Markovian models for second-order stochastic processes (corresp.). IEEE Trans. Inf. Theory 22(4), 488–491 (1976)
214.
220.
Mayne, D.Q.: A solution of the smoothing problem for linear dynamic systems. Automatica 4, 73–92 (1966)CrossRefMATH
237.
Paige, C.C., Saunders, M.A.: Least-squares estimation of discrete linear dynamical systems using orthogonal transformations. SIAM J. Numer. Anal. 14, 180–193 (1977)CrossRefMATHMathSciNet
240.
Pavon, M.: A new algorithm for optimal interpolation of discrete-time stationary processes. In: Analysis and Optimization of Systems, Versailles, pp. 699–718. Springer (1982)
242.
Pavon, M.: New results on the interpolation problem for continuous-time stationary increments processes. SIAM J. Control Optim. 22(1), 133–142 (1984)CrossRefMATHMathSciNet
243.
256.
Picci, G., Pinzoni, S.: Acausal models and balanced realizations of stationary processes. Linear Algebra Appl. 205/206, 957–1003 (1994)
265.
Rauch, H.E., Tung, F., Striebel, C.T.: Maximum likelihood estimates of linear dynamic systems. AIAA J. 3, 1445–1450 (1965)CrossRefMathSciNet
283.
Sidhu, G.S., Desai, U.B.: New smoothing algorithms based on reversed-time lumped models. IEEE Trans. Autom. Control AC-21, 538–541 (1976)CrossRefMathSciNet
284.
Silverman, L.M., Meadows, H.E.: Controllability and observability in time-variable linear systems. SIAM J. Control 5(1), 64–73 (1967)CrossRefMATHMathSciNet
301.
Weinert, H.L., Desai, U.B.: On complementary models and fixed-interval smoothing. IEEE Trans. Autom. Control AC-26, 863–867 (1981)CrossRef
322.
Metadaten
Titel
Smoothing and Interpolation
verfasst von
Anders Lindquist
Giorgio Picci
Copyright-Jahr
2015
Verlag
Springer Berlin Heidelberg
Buch
Linear Stochastic Systems

Print ISBN: 978-3-662-45749-8

Electronic ISBN: 978-3-662-45750-4

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-662-45750-4_15

Neuer Inhalt

    Bildnachweise