ตัวกรองอนุภาคพร้อมความคลาดเคลื่อนของการวัด
ตัวกรองอนุภาคที่มีความคลาดเคลื่อนของการวัดอย่างชัดแจ้งเป็นอัลกอริทึม Sequential Monte Carlo ที่ติดตามสถานะที่ซ่อนอยู่ของระบบพลวัตที่ไม่เป็นเชิงเส้นและไม่เป็นแบบเกาส์เซียน ในขณะที่สร้างแบบจำลองสัญญาณรบกวนในการสังเกตการณ์อย่างเป็นทางการ กลุ่มตัวอย่างสุ่มถ่วงน้ำหนัก (อนุภาค) แสดงถึงการแจกแจงสถานะภายหลัง ณ แต่ละช่วงเวลา และฟังก์ชันความควรจะเป็นของการสังเกตการณ์จะวัดว่าอนุภาคแต่ละตัวมีความสอดคล้องกับการวัดที่มีสัญญาณรบกวนที่ได้รับมากน้อยเพียงใด
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter with Explicit Measurement Error. ScholarGate. https://scholargate.app/th/bayesian/particle-filter-with-measurement-error
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.
- ตัวกรองคาลมานแบบขยายทฤษฎีการควบคุม↔ compare
- Kalman Filterเบย์↔ compare
- Sequential Monte Carloเบย์↔ compare
- Unscented Kalman Filterทฤษฎีการควบคุม↔ compare