桥接集合卡尔曼滤波与粒子滤波
统计方法学
2013-12-03 v2
摘要
在许多蒙特卡洛非线性滤波应用中，传播步骤计算成本高昂，因此样本量受限。在小样本量下，更新步骤变得至关重要。粒子滤波受困于众所周知的样本退化问题。集合卡尔曼滤波避免了这一问题，但代价是错误地处理了预测分布的非高斯特征。在此，我们引入了一种程序，该程序通过索引 在集合滤波与粒子滤波更新之间建立连续过渡。我们提出了参数 的自动选择方案，使得更新在避免退化的前提下尽可能接近粒子滤波更新。在多个示例中，我们表明该程序产生的更新能够处理预测样本中的非高斯特征，即使在高维情形下也是如此。
引用
@article{arxiv.1208.0463,
title = {Bridging the ensemble Kalman and particle filter},
author = {Marco Frei and Hans R. Künsch},
journal= {arXiv preprint arXiv:1208.0463},
year = {2013}
}