Kalman-suodin mittausvirheellä
Kalman-suodin mittausvirheellä on rekursiivinen Bayesiläinen tilamallialgoritmi, joka estimoi dynaamisen järjestelmän todellisen piilevän tilan kohinaisista havainnoista. Se erottaa eksplisiittisesti prosessikohinan (järjestelmän dynamiikan epävarmuus) mittauskohinasta (havainnoinnin epävarmuus) ja propagoi molempia virhelähteitä kaksivaiheisen ennuste-päivityssyklin kautta tuottaakseen optimaaliset suodatetut tilaestimaatit ja niihin liittyvän epävarmuuden.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Kalman Filter with Explicit Measurement Error Modeling. ScholarGate. https://scholargate.app/fi/bayesian/kalman-filter-with-measurement-error
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Dynaaminen Bayesilainen päättelyBayesilainen tilastotiede↔ vertaa
- Kalman-suodinBayesilainen tilastotiede↔ vertaa
- Kalman-suodin puuttuvilla tiedoillaBayesilainen tilastotiede↔ vertaa
- Partikkelisuodin (sekventiaalinen Monte Carlo)Bayesilainen tilastotiede↔ vertaa
- Sekventiaalinen Monte CarloBayesilainen tilastotiede↔ vertaa
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →