Daļiņu filtrs ar mērījumu kļūdu
Daļiņu filtrs ar skaidri izteiktu mērījumu kļūdu ir secīgs Montekarlo algoritms, kas seko nelineāras, ne-Gausa dinamiskas sistēmas slēptajai stāvokļa vērtībai, formāli modelējot novērojumu troksni. Svaru kopums (daļiņas) pārstāv posterioro stāvokļa sadalījumu katrā laika solī, un novērojumu ticamības funkcija kvantificē, cik katra daļiņa ir saderīga ar saņemto trokšņaino mērījumu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter with Explicit Measurement Error. ScholarGate. https://scholargate.app/lv/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.
- Pagarinātais Kalmana filtrsVadības teorija↔ compare
- Kalman FilterBajesa metodes↔ compare
- Sekvenciālā Monte Karlo metodeBajesa metodes↔ compare
- Nestlais Kalmana filtrs (UKF)Vadības teorija↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →