Kalmanův filtr s chybou měření
Kalmanův filtr s chybou měření je rekurzivní Bayesovský algoritmus stavového prostoru, který odhaduje skutečný skrytý stav dynamického systému z hlučných pozorování. Explicitně odděluje šum procesu (nejistota dynamiky systému) od šumu měření (nejistota pozorování) a propaguje oba zdroje chyb prostřednictvím dvoukrokového cyklu predikce-aktualizace, aby poskytl optimální filtrované odhady stavu a jejich přidruženou nejistotu.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Mapa metod
Okolí příbuzných metod — vyberte uzel, který chcete prozkoumat.
Zdroje
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Kalman Filter with Explicit Measurement Error Modeling. ScholarGate. https://scholargate.app/cs/bayesian/kalman-filter-with-measurement-error
Která metoda?
Postavte tuto metodu vedle jejích nejbližších příbuzných a čtěte je vedle sebe — knihovna položí knihy na stůl; volba je na vás.
- Dynamická Bayesovská inferenceBayesovská statistika↔ porovnat
- Kalmanův filtrBayesovská statistika↔ porovnat
- Kalmanův filtr s chybějícími datyBayesovská statistika↔ porovnat
- Částicový filtr (sekvenční Monte Carlo)Bayesovská statistika↔ porovnat
- Sekvenční Monte CarloBayesovská statistika↔ porovnat
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →