Filtro a Particelle con Errore di Misura
Un filtro a particelle con errore di misura esplicito è un algoritmo Monte Carlo Sequenziale che traccia lo stato nascosto di un sistema dinamico non lineare e non gaussiano, modellando formalmente il rumore nelle osservazioni. Una popolazione di campioni casuali pesati (particelle) rappresenta la distribuzione dello stato posteriore a ogni passo temporale, e una funzione di verosimiglianza dell'osservazione quantifica quanto ogni particella sia consistente con la misura rumorosa ricevuta.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter with Explicit Measurement Error. ScholarGate. https://scholargate.app/it/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.
- Filtro di Kalman EstesoTeoria del controllo↔ compare
- Filtro di KalmanBayesiano↔ compare
- Monte Carlo SequenzialeBayesiano↔ compare
- Filtro di Kalman Non Lineare (Unscented Kalman Filter, UKF)Teoria del controllo↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →