Bibliography

(eng): The state-space model with uniformly distributed innovations is introduced and the Bayesian state estimation proposed. The off-line evaluation of the maximum a posteriori probability (MAP) estimate of unknowns in the linear state-space model with uniform innovations reduces to linear programming (LP). The solution provides either estimates of the noise boundary and parameters or of the noise boundary and states. The on-line estimation is obtained by applying LP on the sliding window, i.e., by considering only the fixed amount of the newest last data and states items. By swapping between state and parameter estimations, joint parameter and state estimation is obtained. The use of Taylor expansion for approximation of products of unknowns solves also the joint parameter and state estimation. Simulation studies help to get an insight on the potential and restrictions of these heuristic method.

(cze): Je zaveden stavový model s rovnoměrně rozloženými inovacemi a navrženo Bayesovské odhadování. Off-line výpočet maximálně věrohodného odhadu neznámých ve stavovém modelu je redukován na úlohu lineárního programování. Tento přístup poskytne buď odhady parametrů a mezí šumu nebo stavů a mezí šumu On-line odhad získáme při použití pevného a předem daného počtu nejnovějších dat a stavů. Přepínáním mezi odhadem stavu a parametrů získáme jejich společný odhad. Druhým způsobem řešení společného odhadu je použití Taylorova rozvoje pro aproximaci součinu neznámých. Příspěvek poskytne experimentálně získané zkušenosti s oběma metodami společného odhadu stavu a parametrů.