Name
Abstract | ||
|---|---|---|
Nous présentons dans cet article une approche de la décomposition d'un signal en composantes orthogonales à différents niveaux de résolutions. Nous montrons que le signal généré par le modèle stochastique d'espace d’états standard peut être dècomposé en des innovations aux différentes fréquences d’échantillonnage associées aux différents niveausx de résolution. Le principal résultat est que ces innovations sont toutes non corrélées les unes avec les autres. Un filtre de Kalman multi-cadence multi-résolution (MRMR) est ensuite introduit q ui permet de combiner des observations MRMR de façon optimale. |
Year | DOI | Venue |
|---|---|---|
2000 | 10.1016/S0165-1684(00)00104-3 | Signal Processing |
Keywords | Field | DocType |
recursive kalman filter,stochastic model,sampling frequency,kalman filter,state space | Control theory,Infinite impulse response,Multiresolution analysis,Kalman filter,Decomposition method (constraint satisfaction),Stochastic modelling,Sampling (statistics),State space,Mathematics,Recursion | Journal |
Volume | Issue | ISSN |
80 | 9 | Signal Processing |
Citations | PageRank | References |
16 | 2.05 | 3 |
Authors | ||
2 | ||
Name | Order | Citations | PageRank |
|---|---|---|---|
| Roberto Cristi | 1 | 158 | 203.50 |
| Murali Tummala | 2 | 103 | 32.49 |