Филтър с частици и грешка при измерване
Филтър с частици и явна грешка при измерване е алгоритъм за последователно Монте Карло, който проследява скритото състояние на нелинейна, не-Гаусова динамична система, като същевременно формално моделира шума в наблюденията. Популация от претеглени случайни извадки (частици) представлява апостериорното разпределение на състоянието на всяка времева стъпка, а функцията на правдоподобие на наблюдението количествено определя доколко всяка частица е съвместима с получения шумен сигнал.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Gordon, N. J., Salmond, D. J., & Smith, A. F. M. (1993). Novel approach to nonlinear/non-Gaussian Bayesian state estimation. IEE Proceedings F – Radar and Signal Processing, 140(2), 107–113. DOI: 10.1049/ip-f-2.1993.0015 ↗
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Как да цитирате тази страница
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter with Explicit Measurement Error. ScholarGate. https://scholargate.app/bg/bayesian/particle-filter-with-measurement-error
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Разширен Калманов филтърТеория на управлението↔ compare
- Калманов филтърБейсови методи↔ compare
- Последователен Монте КарлоБейсови методи↔ compare
- Unscented Kalman FilterТеория на управлението↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →