Részecskeszűrő mérési hibával
A mérési hibával explicit módon számoló részecskeszűrő egy szekvenciális Monte Carlo algoritmus, amely egy nemlineáris, nem-Gauss-i dinamikus rendszer rejtett állapotát követi nyomon, miközben formálisan modellezi a megfigyelések zaját. Súlyozott véletlen minták (részecskék) populációja reprezentálja az időlépésenkénti utólagos állapoteloszlást, egy megfigyelési valószínűségi függvény pedig kvantifikálja, hogy az egyes részecskék mennyire egyeznek a zajos mérési adattal.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter with Explicit Measurement Error. ScholarGate. https://scholargate.app/hu/bayesian/particle-filter-with-measurement-error
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Kiterjesztett Kalman-szűrőIrányításelmélet↔ összehasonlítás
- Kalman-szűrőBayes-statisztika↔ összehasonlítás
- Szekvenciális Monte CarloBayes-statisztika↔ összehasonlítás
- Szagtalan Kalman-szűrőIrányításelmélet↔ összehasonlítás
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →