Bayesian methodsBayesian / computational
칼만 필터와 측정 오차
칼만 필터와 측정 오차는 노이즈가 낀 관측치로부터 동적 시스템의 실제 숨겨진 상태를 추정하는 재귀적 베이즈 상태 공간 알고리즘입니다. 이는 프로세스 노이즈(시스템 동역학 불확실성)와 측정 노이즈(관측 불확실성)를 명시적으로 분리하고, 두 가지 오류 소스를 두 단계의 예측-갱신 주기를 통해 전파하여 최적의 필터링된 상태 추정치와 그에 따른 불확실성을 산출합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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 ↗
- Durbin, J. & Koopman, S. J. (2012). Time Series Analysis by State Space Methods (2nd ed.). Oxford University Press. ISBN: 978-0199641178
이 페이지 인용 방법
ScholarGate. (2026, June 3). Kalman Filter with Explicit Measurement Error Modeling. ScholarGate. https://scholargate.app/ko/bayesian/kalman-filter-with-measurement-error
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 동적 베이즈 추론베이지안↔ 비교
- 칼만 필터베이지안↔ 비교
- 결측값이 있는 칼만 필터베이지안↔ 비교
- 파티클 필터 (순차 몬테카를로)베이지안↔ 비교
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ 비교