Фільтр Калмана з похибкою вимірювання
Фільтр Калмана з похибкою вимірювання — це рекурсивний байєсівський алгоритм простору станів, який оцінює справжній прихований стан динамічної системи на основі зашумлених спостережень. Він явно розділяє шуми процесу (невизначеність динаміки системи) та шуми вимірювання (невизначеність спостереження), поширюючи обидва джерела похибок через двокроковий цикл прогнозування-оновлення для отримання оптимальних оцінок відфільтрованого стану та їхньої пов'язаної невизначеності.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Kalman Filter with Explicit Measurement Error Modeling. ScholarGate. https://scholargate.app/uk/bayesian/kalman-filter-with-measurement-error
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Динамічний баєсівський висновокБаєсові методи↔ порівняти
- Фільтр КалманаБаєсові методи↔ порівняти
- Фільтр Калмана з пропущеними данимиБаєсові методи↔ порівняти
- Фільтр частинок (послідовний Монте-Карло)Баєсові методи↔ порівняти
- Послідовний Монте-КарлоБаєсові методи↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →