Bayesian methodsBayesian / computational

带测量误差的序贯蒙特卡洛

带测量误差的序贯蒙特卡洛（SMC）是一种基于粒子的贝叶斯滤波方法，用于在观测值受噪声污染时跟踪动态系统中的隐藏状态。它通过时间传播加权粒子云，在每个步骤更新权重以反映每个粒子解释噪声测量值的程度，并在每个时间点生成潜在状态的完整后验分布。

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。

带测量误差的序贯蒙特卡洛

带有测量误差的贝叶斯推断动态贝叶斯推断带测量误差的卡尔曼滤波器马尔可夫链蒙特卡洛 (MCMC)粒子滤波器（序贯蒙特卡洛）顺序蒙特卡洛

来源

Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer New York. ISBN: 978-0-387-95146-1
Cappe, O., Godsill, S. J., & Moulines, E. (2007). An overview of existing methods and recent advances in sequential Monte Carlo. Proceedings of the IEEE, 95(5), 899-924. DOI: 10.1109/JPROC.2007.893250 ↗

如何引用本页

ScholarGate. (2026, June 3). Sequential Monte Carlo with Measurement Error. ScholarGate. https://scholargate.app/zh/bayesian/sequential-monte-carlo-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 →