Časticový filter s chybou merania
Časticový filter s explicitnou chybou merania je sekvenčný Monte Carlo algoritmus, ktorý sleduje skrytý stav nelineárneho, negauusovského dynamického systému, pričom formálne modeluje šum v pozorovaniach. Populácia vážených náhodných vzoriek (častíc) reprezentuje posteriornú distribúciu stavu v každom časovom kroku a funkcia podobnosti pozorovania kvantifikuje, nakoľko je každá častica konzistentná s prijatým šumovým meraním.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Mapa metód
Okolie príbuzných metód — vyberte uzol na preskúmanie.
Zdroje
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter with Explicit Measurement Error. ScholarGate. https://scholargate.app/sk/bayesian/particle-filter-with-measurement-error
Ktorá metóda?
Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.
- Rozšírený Kalmanov filterTeória riadenia↔ porovnať
- Kalmanov filterBayesovské metódy↔ porovnať
- Sekvenčné Monte CarloBayesovské metódy↔ porovnať
- Unscented Kalman FilterTeória riadenia↔ porovnať
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →