Filter čestica sa greškom merenja
Filter čestica sa eksplicitnom greškom merenja je sekvencijalni Monte Karlo algoritam koji prati skriveno stanje nelinearnog, negauosovskog dinamičkog sistema, formalno modelujući šum u osmatranjima. Populacija ponderisanih slučajnih uzoraka (čestica) predstavlja posteriornu distribuciju stanja u svakom vremenskom koraku, a funkcija verodostojnosti osmatranja kvantifikuje koliko je svaka čestica konzistentna sa primljenim šumnim merenjem.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Mapa metoda
Okruženje srodnih metoda — izaberite čvor da biste istraživali.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter with Explicit Measurement Error. ScholarGate. https://scholargate.app/sr/bayesian/particle-filter-with-measurement-error
Koja metoda?
Postavite ovu metodu pored njoj najbližih srodnika i čitajte ih uporedo — biblioteka polaže knjige na sto; izbor je na vama.
- Prošireni Kalmanov filterTeorija upravljanja↔ uporedi
- Kalmanov filterBajesovska statistika↔ uporedi
- Sekvenciјalni Monte KarloBajesovska statistika↔ uporedi
- Neocenjeni Kalmanov filterTeorija upravljanja↔ uporedi
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →