Фильтр Калмана с ошибкой измерения
Фильтр Калмана с ошибкой измерения — это рекурсивный байесовский алгоритм пространства состояний, который оценивает истинное скрытое состояние динамической системы по зашумленным наблюдениям. Он явно разделяет шум процесса (неопределенность динамики системы) и шум измерения (неопределенность наблюдения), распространяя оба источника ошибок через двухэтапный цикл прогнозирования-корректировки для получения оптимальных отфильтрованных оценок состояния и связанной с ними неопределенности.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Kalman Filter with Explicit Measurement Error Modeling. ScholarGate. https://scholargate.app/ru/bayesian/kalman-filter-with-measurement-error
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Динамический байесовский выводБайесовские методы↔ сравнить
- Фильтр КалманаБайесовские методы↔ сравнить
- Фильтр Калмана с пропущенными даннымиБайесовские методы↔ сравнить
- Фильтр частиц (последовательное Монте-Карло)Байесовские методы↔ сравнить
- Последовательный Монте-КарлоБайесовские методы↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →