Kalmanfilter med mätfel
Kalmanfiltret med mätfel är en rekursiv Bayesiansk tillståndsrymds-algoritm som estimerar det sanna dolda tillståndet hos ett dynamiskt system från brusiga observationer. Det separerar explicit processbrus (osäkerhet i systemdynamiken) från mätbrus (osäkerhet i observationen), och propagerar båda felkällorna genom en tvåstegs prediktions-uppdateringscykel för att ge optimala filtrerade tillståndsestimat och deras associerade osäkerhet.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Kalman Filter with Explicit Measurement Error Modeling. ScholarGate. https://scholargate.app/sv/bayesian/kalman-filter-with-measurement-error
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Dynamisk Bayesiansk inferensBayesiansk statistik↔ jämför
- KalmanfilterBayesiansk statistik↔ jämför
- Kalmanfilter med saknade dataBayesiansk statistik↔ jämför
- Partikelfilter (sekventiell Monte Carlo)Bayesiansk statistik↔ jämför
- Sekventiell Monte CarloBayesiansk statistik↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →