1 |
1
시스템의 상태가 정의된 다양체(manifold)를 확인하는 단계;상기 다양체에 적합한 안정 임베딩 함수를 결정하는 단계;상기 시스템에 잡음(noise) 모델을 부가하는 단계;상기 잡음 모델이 부가된 시스템을 이산화하여 확률적 이산 시스템(stochastic discrete-time system)을 생성하는 단계; 및상기 확률적 이산 시스템에 유클리드 공간에서 정의된 무향 칼만 필터(unscented kalman filter)를 적용하여 상기 시스템의 상태를 추정하는 단계를 포함하는, 시스템의 상태 추정 방법
|
2 |
2
제1항에 있어서,상기 다양체(manifold)를 확인하는 단계는,상기 시스템을 유클리드 공간으로 확장하는 단계를 포함하는,시스템의 상태 추정 방법
|
3 |
3
제2항에 있어서,상기 안정 임베딩 함수는,상기 유클리드 공간으로 확장된 상기 시스템과 유클리드 내적을 통해 상기 다양체에서 최소값을 가지는 것을 특징으로 하는,시스템의 상태 추정 방법
|
4 |
4
제2항에 있어서,상기 안정 임베딩 함수를 결정하는 단계는,상기 확장된 시스템에 상기 결정된 안정 임베딩 함수를 부가하는 단계를 포함하는,시스템의 상태 추정 방법
|
5 |
5
제4항에 있어서,상기 잡음 모델을 부가하는 단계는,상기 안정 임베딩 함수가 부가된 상기 확장된 시스템에 상기 잡음 모델을 부가하여 확률적 연속 시스템(stochastic continuous-time system)을 생성하는 단계를 포함하는,시스템의 상태 추정 방법
|
6 |
6
제5항에 있어서,상기 확률적 이산 시스템을 생성하는 단계는,오일러 이산화(Euler discretization)에 기초하여 상기 확률적 연속 시스템을 이산화하여 상기 확률적 이산 시스템을 생성하는 단계를 포함하는,시스템의 상태 추정 방법
|
7 |
7
제1항에 있어서,상기 유클리드 공간에서 정의된 상기 무향 칼만 필터는,기 설정된 방법을 이용하여 시그마 포인트(sigma point)를 생성하고, 시간 업데이트(time update) 및 측정 업데이트(measurement update)를 반복적으로 수행하는 것을 특징으로 하는,시스템의 상태 추정 방법
|
8 |
8
제1항에 있어서,상기 시스템의 상태를 추정하는 단계는,상기 무향 칼만 필터를 반복 적용함으로써 상기 시스템의 상태를 반복 추정하는 단계를 포함하는,시스템의 상태 추정 방법
|
9 |
9
비일시적 컴퓨터 판독 가능 저장 매체로서,컴퓨터 판독 가능 명령어들을 저장하도록 구성되는 매체를 포함하고,상기 컴퓨터 판독 가능 명령어들은 프로세서에 의해 실행되는 경우 상기 프로세서가:시스템의 상태가 정의된 다양체(manifold)를 확인하는 단계;상기 다양체에 적합한 안정 임베딩 함수를 결정하는 단계;상기 시스템에 잡음(noise) 모델을 부가하는 단계;상기 잡음 모델이 부가된 시스템을 이산화하여 확률적 이산 시스템(stochastic discrete-time system)을 생성하는 단계; 및상기 확률적 이산 시스템에 유클리드 공간에서 정의된 무향 칼만 필터(unscented kalman filter)를 적용하여 상기 시스템의 상태를 추정하는 단계를 포함하는 시스템의 상태 추정 방법을 수행하도록 하는, 비일시적 컴퓨터 판독 가능 저장 매체
|
10 |
10
시스템의 상태를 추정하는 연산 장치로서,컴퓨터에서 읽을 수 있는 명령어를 저장하는 메모리; 및 프로세서를 포함하고,상기 메모리와 연결된 상기 프로세서는,시스템의 상태가 정의된 다양체(manifold)를 확인하고, 상기 다양체에 적합한 안정 임베딩 함수를 결정하고, 상기 시스템에 잡음(noise) 모델을 부가하고, 상기 잡음 모델이 부가된 시스템을 이산화하여 확률적 이산 시스템(stochastic discrete-time system)을 생성하고, 상기 확률적 이산 시스템에 유클리드 공간에서 정의된 무향 칼만 필터(unscented kalman filter)를 적용하여 상기 시스템의 상태를 추정하는, 연산 장치
|