Hello, dear friend, you can consult us at any time if you have any questions, add WeChat: daixieit

ELEC6229 Coursework

Optimal State Estimation

P1 

Optimal Online Nonlinear/Non-Gaussian State Estimation

Consider the following discrete time system

Xk   =  +  + 8 cos(1.2k) + vk−1

zk  =  + nk

where v and n are independent zero mean Gaussian white noises with variances Q = 10   and R = 1, respectively. This example has been used as a benchmark problem in many publications (please refer to [1] and the reference therein).

Task 1: Assuming X0  ~ N(0, 1), use the Monte Carlo method to estimate the pdfs p(X1) , p(X50) and p(X100). Explain why it would be problematic to use the traditional Kalman filter to estimate the unknown state given the measurement data zk .

Task 2:  Suppose that  during  one  experiment, the  output measurements zk , 0 ≤ k ≤ 100  have been recorded. Use the extended Kalman filter, grid based method and particle filter to estimate the unknown state information Xk , 0 ≤ k ≤ 100.

Task 3: Now suppose that the actual unknown state information Xk , 0 ≤ k ≤ 100 is available. Define suitable measures to compare and evaluate the performance of the different filtering techniques in Task 2. Explain why there are differences in their performance.

Task 4: Explore how the performance of the three filtering techniques in Task 2 can be improved. Re- estimate the unknown state information using these improved schemes. Compare the estimation results with those obtained in Task 2 & 3. Do they support your theoretical prediction?

Task 5: Critically evaluate your work. Have you achieved the objectives? What problems did you find during this work? What conclusions can you draw from your design? From the experience of this work, what do you need to consider when solving a practical problem?

References

1.   S. Arulampalam, S. Maskell, N. Gordon and T. Clapp, “A tutorial on particle filters for online         nonlinear/non-Gaussian Bayesian tracking,” IEEE Transactions on Signal Processing, vol.50, no.2, pp. 174- 188, 2002.

2.   D. Simon, Optimal State Estimation: Kalman, H-infinity, and Nonlinear Approaches. John Wiley & Sons, 2006.

Assessment of Your Work: This coursework accounts for 30% of your final mark for this module. You will be asked to submit your report and relevant program files (with clear instructions on how to run the program) before the deadline using the ECS handin system.

Template of the Report: The project report should be written in the form of a THREE page length conference paper. A template is available on the IEEE Control System paper management website

http://css.paperplaza.net/conferences/support/support.php