Hinweise zu Qualitätskriterien von Zeitschriften
Open-Access-Richtlinie der Helmholtz-Gemeinschaft 2016
CC Licencences
Metriken für Publikationen
Startseite
Login
English
Neuer EVA Antrag
Erweiterte Suche
Durchblättern nach ...
Publikationen im Überblick
HGF Fortschrittsbericht
OA Publikationen
Neue Publikation eintragen
Neue Publikation holen aus...
Fehlende Publikation melden
Ansprechpartner
Hilfe
Bibliometrische Indikatoren
Text
Endnote (RIS)
BibTeX
Verlagsversion
DOI
 |
Open Access Gold |
|
möglich sobald bei der ZB eingereicht worden ist.
Progressive von mises-fisher filtering using isotropic sample sets for nonlinear hyperspherical estimation.
Sensors 21:2991 (2021)
In this work, we present a novel scheme for nonlinear hyperspherical estimation using the von Mises-Fisher distribution. Deterministic sample sets with an isotropic layout are exploited for the efficient and informative representation of the underlying distribution in a geometrically adaptive manner. The proposed deterministic sampling approach allows manually configurable sample sizes, considerably enhancing the filtering performance under strong nonlinearity. Furthermore, the progressive paradigm is applied to the fusing of measurements of non-identity models in conjunction with the isotropic sample sets. We evaluate the proposed filtering scheme in a nonlinear spherical tracking scenario based on simulations. Numerical results show the evidently superior performance of the proposed scheme over state-of-the-art von Mises-Fisher filters and the particle filter.
Impact Factor
Scopus SNIP
Altmetric
3.576
1.555
Anmerkungen
Besondere Publikation
Auf Hompepage verbergern
Publikationstyp
Artikel: Journalartikel
Dokumenttyp
Wissenschaftlicher Artikel
Schlagwörter
Sensor Fusion ; Recursive Bayesian Estimation ; Directional Statistics ; Unscented Transform ; Nonlinear Hyperspherical Filtering; Multivariate; Simulation
Sprache
englisch
Veröffentlichungsjahr
2021
HGF-Berichtsjahr
2021
ISSN (print) / ISBN
1424-8220
e-ISSN
1424-8220
Zeitschrift
Sensors
Quellenangaben
Band: 21,
Heft: 9,
Artikelnummer: 2991
Verlag
MDPI
Verlagsort
St Alban-anlage 66, Ch-4052 Basel, Switzerland
Begutachtungsstatus
Peer reviewed
Institut(e)
Helmholtz AI - KIT (HAI - KIT)
Förderungen
Helmholtz AI Cooperation Unit within the scope of the project "Ubiquitous Spatio-Temporal Learning for Future Mobility"(ULearn4Mobility)
WOS ID
WOS:000650762200001
Erfassungsdatum
2021-06-30