Filtre particulaire avec erreur de mesure
Un filtre particulaire avec erreur de mesure explicite est un algorithme de Monte Carlo séquentiel qui suit l'état caché d'un système dynamique non linéaire et non gaussien tout en modélisant formellement le bruit dans les observations. Une population d'échantillons aléatoires pondérés (particules) représente la distribution d'état a posteriori à chaque pas de temps, et une fonction de vraisemblance d'observation quantifie la cohérence de chaque particule avec la mesure bruitée reçue.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter with Explicit Measurement Error. ScholarGate. https://scholargate.app/fr/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.
- Filtre de Kalman ÉtenduThéorie du contrôle↔ compare
- Filtre de KalmanBayésien↔ compare
- Monte Carlo séquentielBayésien↔ compare
- Filtre de Kalman non scelléThéorie du contrôle↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →