ScholarGate
Assistant
Bayesian methodsBayesian / computational

Filtre de Kalman

Le filtre de Kalman est un algorithme récursif optimal pour estimer l'état caché d'un système dynamique linéaire à partir de mesures bruitées. À chaque pas de temps, il alterne entre une étape de prédiction — projetant l'état vers l'avant à l'aide du modèle du système — et une étape de mise à jour qui corrige la prédiction avec la nouvelle observation, produisant en temps réel des estimations d'état de variance minimale et leur incertitude.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Filtre de Kalman
Régression bayésienneRéseau bayésien dynamiqueFiltre de Kalman ÉtenduFiltre particulaire (Mon…Monte Carlo séquentielInférence bayésienne ave…Simulation de Jumeau Num…Modèle bayésien hiérarch…Inférence bayésienne dyn…Modélisation bayésienne…

+40 more

Sources

  1. 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 ↗
  2. Welch, G. & Bishop, G. (2006). An Introduction to the Kalman Filter. University of North Carolina at Chapel Hill, Technical Report TR 95-041. link ↗

Comment citer cette page

ScholarGate. (2026, June 3). Kalman Filter (Linear-Gaussian State-Space Filter). ScholarGate. https://scholargate.app/fr/bayesian/kalman-filter

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.

Compare side by side →

Référencée par

Inférence bayésienne avec erreur de mesureSimulation de Jumeau NumériqueModèle bayésien hiérarchique dynamiqueInférence bayésienne dynamiqueModélisation bayésienne dynamique par moyenne (DMA)Réseau bayésien dynamiqueAlgorithme Dynamique de Metropolis-HastingsFiltre particulaire dynamiqueDynamic Sequential Monte CarloInférence variationnelle dynamiqueSimulation de bootstrap hiérarchiqueFiltre de Kalman hiérarchiqueFiltre particulaire hiérarchiqueFiltre de Kalman avec erreur de mesureFiltre de Kalman avec données manquantesLinéaire Quadratique GaussienModèle Multifractal à Commutation MarkovienneFiltre particulaire (Monte Carlo séquentiel)Filtre particulaire avec erreur de mesureFiltre de Kalman robusteFiltre particulaire robusteMonte Carlo Séquentiel RobusteMonte Carlo séquentielSimulation par bootstrap spatialSpatial Kalman FilterCalcul bayésien approximatif pour séries temporellesModèle bayésien hiérarchique de séries temporellesInférence bayésienne sur séries temporellesMoyennage bayésien de modèles de séries chronologiquesFiltre de Kalman pour séries temporellesMCMC pour séries temporellesFiltre particulaire pour séries temporellesFiltrage Séquentiel par Monte-Carlo pour Séries TemporellesInférence variationnelle pour séries temporellesModèle autorégressif à paramètres variant dans le temps (TVP-AR)Modèle ARCH à paramètres variant dans le temps (TVP-ARCH)Modèle ARIMA à Paramètres Variables dans le Temps (TVP-ARIMA)Modèle ARMA à paramètres variant dans le temps (TVP-ARMA)Cointegration de type Engle-Granger à paramètres variant dans le tempsModèle GARCH à Paramètres Variables dans le Temps (TVP-GARCH)Time-varying parameter GLSCausalité de Granger à paramètres variant dans le tempsModèle MA à paramètres variant dans le tempsMoindres Carrés Ordinaires à Paramètres Variables dans le Temps (MCO-PVT)Analyse de données de panel à paramètres variant dans le tempsModèle SARIMA à paramètres variant dans le temps (TVP-SARIMA)Modèle VAR à Paramètres Variants dans le Temps (TVP-VAR)VECM à Paramètres Variables dans le Temps (TVP-VECM)

Une erreur sur cette page ? Signalez-la ou proposez une correction →

ScholarGate — Kalman Filter (Kalman Filter (Linear-Gaussian State-Space Filter)). Consulté le 2026-06-15 sur https://scholargate.app/fr/bayesian/kalman-filter · Jeu de données : https://doi.org/10.5281/zenodo.20539026