El filtre de Kalman amb error de mesura
El filtre de Kalman amb error de mesura és un algorisme recursiu bayesià d'espai d'estats que estima l'estat ocult veritable d'un sistema dinàmic a partir d'observacions sorolloses. Separa explícitament el soroll del procés (incertesa en la dinàmica del sistema) del soroll de mesura (incertesa en l'observació), propagant ambdues fonts d'error a través d'un cicle predict-actualitza de dos passos per obtenir estimacions òptimes filtrades de l'estat i la seva incertesa associada.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Kalman, R. E. (1960). A new approach to linear filtering and prediction problems. Journal of Basic Engineering, 82(1), 35–45. DOI: 10.1115/1.3662552 ↗
- Durbin, J. & Koopman, S. J. (2012). Time Series Analysis by State Space Methods (2nd ed.). Oxford University Press. ISBN: 978-0199641178
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Kalman Filter with Explicit Measurement Error Modeling. ScholarGate. https://scholargate.app/ca/bayesian/kalman-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.
- Inferència Bayesiana DinàmicaBayesià↔ compare
- Filtre de KalmanBayesià↔ compare
- El filtre de Kalman amb dades perdudesBayesià↔ compare
- Filtre de partícules (Mètodes Sequencials de Monte Carlo)Bayesià↔ compare
- Monte Carlo SeqüencialBayesià↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →