Full-Field State Estimation from Sparse Point Sensors via Adaptive Data-Driven Modeling and Sequential Data Assimilation for Nonlinear Dynamical Systems
Questo articolo propone un framework completamente basato sui dati che combina il compressed sensing, la decomposizione modale dinamica adattiva con controllo (DMDc) calibrata tramite DCC-GARCH e il filtraggio di Kalman a ordine ridotto per ricostruire accuratamente gli stati a campo completo di sistemi dinamici non lineari da misurazioni di sensori puntiformi sparsi e rumorosi senza fare affidamento su modelli basati su primi principi.