Bayesian methodsBayesian / computational

带测量误差的粒子滤波器

带测量误差的粒子滤波器是一种序贯蒙特卡洛算法，它在对观测中的噪声进行形式化建模的同时，跟踪非线性、非高斯动态系统的隐藏状态。一组加权的随机样本（粒子）在每个时间步代表后验状态分布，而观测似然函数量化了每个粒子与接收到的噪声测量值的一致程度。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

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。

带测量误差的粒子滤波器

扩展卡尔曼滤波器卡尔曼滤波器顺序蒙特卡洛无迹卡尔曼滤波器

来源

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

如何引用本页

ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter with Explicit Measurement Error. ScholarGate. https://scholargate.app/zh/bayesian/particle-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 →

发现本页有问题？报告或提出修改建议 →