Rao-Blackwellized Gaussian Smoothing

Roland Hostettler, Simo Särkkä

Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

5 Sitaatiot (Scopus)
233 Lataukset (Pure)

Abstrakti

In this paper, we consider Rao-Blackwellization of linear substructures in sigma-point-based Gaussian assumed density smoothers. We derive marginalized prediction, smoothing, and update steps for the mixed linear/nonlinear Gaussian state-space model as well as for a hierarchical model for both conventional and iterated posterior linearization Gaussian smoothers. The proposed method is evaluated in a numerical example and it is shown that the computational complexity is reduced considerably compared to non-Rao--Blackwellized Gaussian smoothers for systems with high-dimensional linear subspaces.

AlkuperäiskieliEnglanti
Artikkeli8340820
Sivut305-312
Sivumäärä8
JulkaisuIEEE Transactions on Automatic Control
Vuosikerta64
Numero1
Varhainen verkossa julkaisun päivämäärä18 huhtikuuta 2018
DOI - pysyväislinkit
TilaJulkaistu - 1 tammikuuta 2019
OKM-julkaisutyyppiA1 Julkaistu artikkeli, soviteltu

Sormenjälki

Sukella tutkimusaiheisiin 'Rao-Blackwellized Gaussian Smoothing'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä