Dynamisk partikelfilter
Ett dynamiskt partikelfilter är en sekventiell Monte Carlo-algoritm som spårar ett föränderligt dolt tillstånd över tid genom att upprätthålla en population av viktade slumpmässiga stickprov – partiklar – där varje partikel representerar en plausibel bana. När nya observationer anländer uppdateras partikelvikterna via sannolikheten och populationen samplas om, vilket håller representationen koncentrerad till de mest sannolika tillståndsregionerna i en fullständigt ickelinjär och icke-Gaussisk miljö.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/sv/bayesian/dynamic-particle-filter
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.
- Dynamisk Bayesiansk inferensBayesiansk statistik↔ compare
- KalmanfilterBayesiansk statistik↔ compare
- Partikelfilter (sekventiell Monte Carlo)Bayesiansk statistik↔ compare
- Sekventiell Monte CarloBayesiansk statistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →