From a set of possible switching states and responsive to a sequence of
measurements, a corresponding sequence of switching states is determined
for a system having a plurality of dynamic models, associates each model
with a switching state such that a model is selected when its associated
switching state is true. A state transition record is determined, based on
the measurement sequence. The sequence of switching states is determined
by backtracking through the state transition record. Alternatively, the
switching state model is decoupled from the dynamic system model. The
decoupled switching state model is transformed into a hidden Markov model
(HMM) switching state model, while the decoupled dynamic system model is
transformed into a time-varying dynamic system model. A solution to the
dynamic system model is estimated using a Kalman filter. Next, variational
parameters of the HMM switching state model are determined based on the
estimated-solution, where the variational parameters measure an agreement
of each model from the plurality of dynamic models with the solution. A
sequence of switching states for the HMM switching state model is then
determined based on the variational parameters of the HMM switching state
model. finally, variational parameters of the dynamic system model are
determined based on the determined sequence of switching states, such that
the variational parameters are proportional to a combination of model
parameters form the plurality of dynamic models weighted by the
probability of the switching states.
De um jogo de estados possíveis do switching e responsivo a uma seqüência das medidas, uma seqüência correspondente de estados do switching é determinada para um sistema que tem um plurality de modelos dinâmicos, assocía cada modelo com um estado do switching tais que um modelo está selecionado quando seu estado associado do switching é verdadeiro. Um registro da transição do estado é determinado, baseado na seqüência da medida. A seqüência de estados do switching é determinada backtracking através do registro da transição do estado. Alternativamente, o modelo do estado do switching decoupled do modelo de sistema dinâmico. O modelo comutando decoupled do estado é transformado em um modelo escondido do estado do switching do modelo de Markov (HMM), quando o modelo de sistema dinâmico decoupled for transformado em um modelo de sistema dinâmico tempo-variando. Uma solução ao modelo de sistema dinâmico é estimada usando um filtro de Kalman. Os parâmetros seguintes, variational do modelo do estado do switching de HMM são determinados basearam na estim-solução, onde os parâmetros variational medem um acordo de cada modelo do plurality de modelos dinâmicos com a solução. Uma seqüência de estados do switching para o modelo do estado do switching de HMM é determinada então baseada nos parâmetros variational do modelo do estado do switching de HMM finalmente, parâmetros variational do modelo de sistema dinâmico é determinada baseou na seqüência determinada de estados do switching, tais que os parâmetros variational são proporcionais a uma combinação do formulário que modelo dos parâmetros o plurality de modelos dinâmicos tornou mais pesado pela probabilidade dos estados do switching.
