Partikelfilter med mätfel
Ett partikelfilter med explicit mätfel är en sekventiell Monte Carlo-algoritm som spårar det dolda tillståndet hos ett icke-linjärt, icke-Gaussiskt dynamiskt system, samtidigt som brus i observationerna modelleras formellt. En population av viktade slumpmässiga sampel (partiklar) representerar den posteriora tillståndsfördelningen vid varje tidsteg, och en observationssannolikhetsfunktion kvantifierar hur väl varje partikel överensstämmer med den brusiga mätning som mottagits.
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
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter with Explicit Measurement Error. ScholarGate. https://scholargate.app/sv/bayesian/particle-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.
- Utökad KalmanfilterReglerteknik↔ jämför
- KalmanfilterBayesiansk statistik↔ jämför
- Sekventiell Monte CarloBayesiansk statistik↔ jämför
- Unscented Kalman FilterReglerteknik↔ jämför
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →