Bayesian methodsBayesian / computational
带测量误差的卡尔曼滤波器
带测量误差的卡尔曼滤波器是一种递归贝叶斯状态空间算法，它从噪声观测中估计动态系统的真实隐藏状态。它明确区分了过程噪声（系统动力学不确定性）和测量噪声（观测不确定性），通过两步预测-更新循环传播这两种误差源，以获得最优的滤波状态估计及其相关不确定性。
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
- 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
如何引用本页
ScholarGate. (2026, June 3). Kalman Filter with Explicit Measurement Error Modeling. ScholarGate. https://scholargate.app/zh/bayesian/kalman-filter-with-measurement-error
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 →