de
en
Schliessen
Detailsuche
Bibliotheken
Projekt
Impressum
Datenschutz
zum Inhalt
Detailsuche
Schnellsuche:
OK
Ergebnisliste
Titel
Titel
Inhalt
Inhalt
Seite
Seite
Im Dokument suchen
Hage, Dunja Alexandra: Neue Lösungsstrategien für l1-Minimierungsprobleme mit Kalman-Filtern. 2020
Inhalt
Vorwort
Kurzfassung
Abstract
Inhaltsverzeichnis
Abbildungen
Tabellen
Verzeichnis der Algorithmen
Abkürzungsverzeichnis
Symbolverzeichnis
1 Einleitung
1.1 Einleitung und Motivation
1.2 Gliederung dieser Arbeit
2 Mathematische Grundlagen
2.1 Allgemeines
2.1.1 Überbestimmte lineare Gleichungssyteme
2.1.2 Unterbestimmte lineare Gleichungssyteme
2.1.3 Regularisierung
2.2 Einordnung von Compressed Sensing im mathematischen Kontext
3 Compressed Sensing
3.1 Forschungsstand
3.2 Inkohärenz, RIP und NSP
3.2.1 Inkohärenz
3.2.2 Restricted Isometry Property (RIP)
3.2.3 Null Space Property - Nullraumeigenschaft (NSP)
3.3 Beziehungen zwischen spark, gegenseitiger Kohärenz, RIP und NSP
3.4 Sparse Rekonstruktion
3.5 Rekonstruktionsalgorithmen für 1-Minimierungsprobleme
3.5.1 Übersicht aktueller Algorithmen
3.5.2 Primal-dual-Algorithmus von Chambolle & Pock (C&P)
3.5.3 Orthogonal Matching Pursuit (OMP)
4 Kalman-Filter
4.1 Mathematische Beschreibung
4.1.1 Systemmodell
4.1.2 Messmodell
4.2 Herleitungsvarianten des Kalman-Filter-Algorithmus
4.2.1 Ableitung der Kalman-Filter-Gleichungen über den Ansatz orthogonaler Projektionen
5 Erweitertes Kalman-Filter für 1-Minimierungsproblem
5.1 Die synthetische Formulierung
5.1.1 Beispiele
5.1.2 Modifiziertes Kalman-Filter
5.1.2.1 Beispiele
5.2 Die analytische Formulierung
6 Kalman-Filter für 1-Minimierungsproblem (Nullraum-Variante)
6.1 Allgemeine Funktionsweise
6.2 LQ-Zerlegung der Sensingmatrix für die Berechnung einer Startlösung
6.3 Konvergenzbeweis des Kalman-Filters
7 Konvergenzbeschleunigungsverfahren
7.1 Motivation
7.2 2-Grundverfahren von Aitken
7.3 Extrapolationsverfahren nach der 2-Aitken-Methode
8 Kalman-Filter mit integriertem Konvergenzbeschleunigungsverfahren
8.1 Allgemeine Funktionsweise
8.2 Untersuchungen des Kalman-Filters und des Kalman-Filters mit integriertem Konvergenzbeschleunigungsverfahren (KF-Aitken)
8.3 Vergleich zwischen KF-Aitken und dem primal-dual-Algorithmus von Chambolle & Pock (C&P)
8.3.1 Auswertungen mit den Donoho-Tanner-Graphen
8.3.1.1 Rekonstruktionsfehler
8.3.1.2 Rekonstruktionszeit
8.3.1.3 Stabilität
9 Erweitertes Kalman-Filter mit einem externen Thresholding (KF-ET)
9.1 Allgemeine Beschreibung
9.2 Untersuchungen des Kalman-Filters mit externem Thresholding
9.3 Untersuchungen des Kalman-Filters mit externem Thresholding mit verrauschten Daten
9.3.1 Maximum-Likelihood-Schätzer und Cramér-Rao-Schranke
9.3.2 Numerische Experimente
9.3.2.1 Beispiele mit Streuung überlagertes Rauschen, Vergleich mit der Cramér-Rao-Schranke
9.3.2.2 Beispiele mit überlagertem Rauschen in Abhängigkeit des Signal- und Rauschverhältnisses
9.3.2.3 Abhängigkeit vom Support
10 Vergleiche der vorgestellten Algorithmen mit verrauschten Daten
10.1 Rekonstruktionsfehler
10.2 Fehler in der 0-Norm
10.3 Supportfehler
10.4 Rekonstruktionszeit
11 Anwendungen mit entfernungsmessendem System
11.1 Aufbau und Erläuterung des Experiments
11.2 Anwendungsbeispiele
12 Zusammenfassung und Ausblick
12.1 Zusammenfassung
12.2 Ausblick
Anhang A Definition von Normen und Skalarprodukt
Anhang B Normierung der Spaltenvektoren einer Matrix
Anhang C Ableitung der Kalman-Filter-Gleichungen über den Ansatz orthogonaler Projektionen
Anhang D Beweis der Konvergenz des Kalman-Filters
Anhang E Herleitung Matrixinversionslemmata
Anhang F Stochastische Analyse - Schätzfehlerkovarianzmatrix
Literaturverzeichnis