Bayesian methodsBayesian / computational
分层卡尔曼滤波器
分层卡尔曼滤波器（Hierarchical Kalman Filter, HKF）将经典卡尔曼滤波器扩展到具有多层或多尺度状态表示的系统。它在层级的每个级别（从粗到细的分辨率，或从全局到局部的子系统）应用卡尔曼递归，并通过向上和向下的扫描在各级别之间传递信息，从而在结构化的状态空间中生成最优的线性状态估计。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- Chou, K. C., Willsky, A. S., & Benveniste, A. (1994). Multiscale recursive estimation, data fusion, and regularization. IEEE Transactions on Automatic Control, 39(3), 464–478. DOI: 10.1109/9.280746 ↗
- Sarkka, S. (2013). Bayesian Filtering and Smoothing. Cambridge University Press. ISBN: 978-1107619289
如何引用本页
ScholarGate. (2026, June 3). Hierarchical Kalman Filter. ScholarGate. https://scholargate.app/zh/bayesian/hierarchical-kalman-filter
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →