filtrage particulaire; APPLICATIONALADEMODULATIONDE PHASE

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Le filtre de Kalman étendu (EKF) et le filtre à particules (PF) sont deux outils largement utilisés pour résoudre les problèmes d'estimation Etat non-linéaires. L'EKF est une approche sous-optimale, qui met en œuvre un filtre de Kalman pour un système dynamique qui résulte de la linéarisation de la dynamique de filtre non-linéaire original autour des estimations de l'état précédent. Mais elle a été définie sur l'hypothèse que les deux, le processus et le capteur bruits, sont de distribution gaussienne. Le filtre à particules est un schéma plus général et ne nécessite pas que les bruits soient gaussiens, Carles probabilités a posteriori sont représentés par un jeu d'échantillons pondérés sélectionnés de manière aléatoire. Ce travail a pour but de comparer l'utilisation du filtre à particules et l’EKF pour un problème d’estimation d’un signal de communication modulé en phase avec un bruit gaussien.

روابط وملفات

التعريف والنوع

رقم الوثيقة

f60f6793-9812-49e7-87ae-bd076ec56d41

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

ماستر (LMD)

نوع الملف

pdf text

أسماء الملفات

2217293_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":" Meriem Bourahla","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":" Abderrezak Guessoum","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":" Hadjer Bachenine","title_ar":"اعداد","title_en":"Preparation"}]

اللغة

French

المصدر والدورية

اسم المصدر

filtrage particulaire; APPLICATIONALADEMODULATIONDE PHASE

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

The Extended Kalman Filter (EKF) and the Particle Filter (PF) are two widely used tools for solving non-linear state estimation problems. The EKF is a sub-optimal approach, which implements a Kalman filter for a system dynamics that result from the linearization of the original non-linear filter dynamics around the previous state estimates. But it has been defined on the assumption that both, the process and sensor noises, are Gaussian distributed. The particle filter is a more generalized scheme and does not require either of the noises to be Gaussian, as the posterior probabilities are represented by a set of randomly chosen weighted samples. This work aims to compare the use of the particle filter and the EKF for estimation problem, that is, estimating communication signal modulated in phase by Gaussian noise.

كلمات الباحثين

Kalman étendu, Filtre à particule,estimation, bayes, Monte carlo

إشراف وإعداد

الإشراف

Abderrezak Guessoum

الإعداد

Meriem Bourahla, Hadjer Bachenine

الاقتباسات الببليوغرافية