ΑΛΓΟΡΙΘΜΟΙ ΔΙΑΜΕΛΙΣΜΟΥ ΓΡΑΜΜΙΚΗΣ ΕΚΤΙΜΗΣΗΣ-ΣΥΓΚΡΙΤΙΚΗ ΥΠΟΛΟΓΙΣΤΙΚΗ ΑΝΑΛΥΣΗ

THIS THESIS IS DEALING WITH LINEAR ESTIMATION PARTITIONING ALGORITHMS, FOR DISCRETE TIME SYSTEMS. FOUR NEW RECURSIVE PER- SAMPLE PARTITIONING ESTIMATION ALGORITHMS ARE INITIALY PRESENTED, AND THE RELATED MERITS, WITH RESPECT TO THEIR COMPUTATIONAL REQUIREMENTS ARE EXAMINED AGAINST THREE OTHER PARTITIONING ALGORITHMS (LAINIOTIS GENERALIZED PARTITIONING ALGORITHM, RECURSIVE PARTITIONING ALGORITHM OF ANDRISANI, GAU AND THE LAINIOTIS PER-SAMPLE PARTITIONING FILTER) AND THE KALMAN FILTER. THIS COMPARATIVE STUDY IS CONSIDERED FOR BOTH TIME INVARIANT ANDTIME VARYING SYSTEMS. FINALLY THE BEST OF THESE ALGORITHMS WITH RESPECT TO COMPUTER TIME AND STORAGE REQUIREMENTS ARE APPLIED TO THE MULTISENSOR ESTIMATION PROBLEMS.

Grantor dc:publisher

University of Patras

Year dc:date

1985

Author dc:creator

• Αναγνώστου, Κωνσταντίνος

• ΑΛΓΟΡΙΘΜΟΙ ΔΙΑΜΕΛΙΣΜΟΥ
• Αλγόριθμοι εκτίμησης
• ΓΡΑΜΜΙΚΗ ΕΚΤΙΜΗΣΗ
• Δυναμικά συστήματα
• Θεωρία εκτίμησης
• Υπολογιστική ανάλυση
• ΦΙΛΤΡΑ LAINIOTIS
• Φιλτράρισμα
• Φίλτρο Kalman
• Εκτίμηση
• Computational analysis
• Dynamic systems
• Estimation algorithms
• Estimation theory
• Filtering
• Kalman filter
• LAINIOTIS FILTERS
• LINEAR ESTIMATION
• Φυσικές Επιστήμες
• Επιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
• Επιστήμες Μηχανικού και Τεχνολογία
• Επιστήμη Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού, Μηχανικού Η/Υ
• Natural Sciences
• Computer and Information Sciences
• Engineering and Technology
• Electrical Engineering, Electronic Engineering, Information Engineering

Language dc:language

gre

Identifier

10.12681/eadd/0001

OAI identifier oai:identifier

oai:10442/0001