Partikkelisuodin mittausvirheellä
Partikkelisuodin, jossa on eksplisiittinen mittausvirhe, on sekventiaalinen Monte Carlo -algoritmi, joka jäljittää epälineaarisen, ei-Gaussisen dynaamisen systeemin piilotettua tilaa mallintamalla samalla muodollisesti kohinaa havainnoissa. Painotettujen satunnaisotosten (partikkelien) joukko edustaa posteriorista tilajakaumaa kussakin aikapisteessä, ja havainnon uskottavuusfunktio kvantifioi, kuinka hyvin kukin partikkeli vastaa kohinaista mittausta.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter with Explicit Measurement Error. ScholarGate. https://scholargate.app/fi/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.
- Laajennettu Kalman-suodin (EKF)Säätöteoria↔ compare
- Kalman-suodinBayesilainen tilastotiede↔ compare
- Sekventiaalinen Monte CarloBayesilainen tilastotiede↔ compare
- Unscented Kalman FilterSäätöteoria↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →