elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Diffusion Field Estimation Using Decentralized Kernel Kalman Filter with Parameter Learning over Hierarchical Sensor Networks

Wang, Shengdi und Shin, Ban-Sok und Shutin, Dmitriy und Dekorsy, Armin (2020) Diffusion Field Estimation Using Decentralized Kernel Kalman Filter with Parameter Learning over Hierarchical Sensor Networks. In: 30th IEEE International Workshop on Machine Learning for Signal Processing, MLSP 2020. IEEE IEEE International Workshop on Machine Learning for Signal Processing, 2020-09-21 - 2020-09-24, Espoo, Finnland. doi: 10.1109/MLSP49062.2020.9231626. ISBN 978-172816662-9. ISSN 2161-0363.

[img] PDF
359kB

Kurzfassung

In this paper, a task is addressed to track a nonlinear timevarying diffusion field based on data collected by sensor networks. By exploiting kernel methods, the nonlinear field function is approximated by a linear combination of kernel functions in a reproducing kernel Hilbert space (RKHS). To capture the dynamical property of a diffusion field and the relation of system input and output data, a state-space model on weights of these kernel functions is constructed with unknown process noise. Thus, the nonlinear tracking problem is transformed into a linear state estimation solved by Kalman filter. Further, this kernel Kalman filter (KKF) is decomposed into a decentralized fashion in a way to collect sensor data efficiently over a hierarchical network structure with different clusters. To adapt the algorithm to unknown process noise, a decentralized variational Bayesian KKF is proposed to learn the distributions of system unknown variables.

elib-URL des Eintrags:https://elib.dlr.de/136309/
Dokumentart:Konferenzbeitrag (Poster)
Titel:Diffusion Field Estimation Using Decentralized Kernel Kalman Filter with Parameter Learning over Hierarchical Sensor Networks
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Wang, Shengdiwang (at) ant.uni-bremen.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Shin, Ban-SokBan-Sok.Shin (at) dlr.dehttps://orcid.org/0000-0002-8956-4608NICHT SPEZIFIZIERT
Shutin, Dmitriydmitriy.shutin (at) dlr.dehttps://orcid.org/0000-0002-6065-6453NICHT SPEZIFIZIERT
Dekorsy, Armindekorsy (at) ant.uni-bremen.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:21 September 2020
Erschienen in:30th IEEE International Workshop on Machine Learning for Signal Processing, MLSP 2020
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/MLSP49062.2020.9231626
ISSN:2161-0363
ISBN:978-172816662-9
Status:veröffentlicht
Stichwörter:Diffusion field estimation, nonlinear, kernel method, Kalman filter, variational Bayesian method
Veranstaltungstitel:IEEE IEEE International Workshop on Machine Learning for Signal Processing
Veranstaltungsort:Espoo, Finnland
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:21 September 2020
Veranstaltungsende:24 September 2020
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Kommunikation und Navigation
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R KN - Kommunikation und Navigation
DLR - Teilgebiet (Projekt, Vorhaben):R - Vorhaben GNSS2/Neue Dienste und Produkte (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Kommunikation und Navigation > Nachrichtensysteme
Hinterlegt von: Shin, Dr.-Ing. Ban-Sok
Hinterlegt am:08 Okt 2020 13:50
Letzte Änderung:24 Apr 2024 20:38

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.