Partikelfilter mit Messfehlern
Ein Partikelfilter mit expliziten Messfehlern ist ein sequenzieller Monte-Carlo-Algorithmus, der den verborgenen Zustand eines nichtlinearen, nicht-Gaußschen dynamischen Systems verfolgt, während Rauschen in den Beobachtungen formal modelliert wird. Eine Population gewichteter Zufallsstichproben (Partikel) repräsentiert die Posterior-Zustandsverteilung in jedem Zeitschritt, und eine Beobachtungswahrscheinlichkeitsfunktion quantifiziert, wie gut jedes Partikel mit der verrauschten Messung übereinstimmt.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter with Explicit Measurement Error. ScholarGate. https://scholargate.app/de/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.
- Erweiterter Kalman-FilterRegelungstechnik↔ compare
- Kalman FilterBayes-Statistik↔ compare
- Sequentielle Monte-Carlo-MethodenBayes-Statistik↔ compare
- Unscented-Kalman-FilterRegelungstechnik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →