递归蒙特卡洛滤波器:算法与理论分析
统计理论
2007-06-13 v1 统计理论
摘要
递归蒙特卡洛滤波器,也称为粒子滤波器,是在一般状态空间模型中执行计算的有力工具。我们讨论并比较了该算法的接受-拒绝版本与更常用的采样重要性重采样版本。特别地,我们展示了如何在接受-拒绝版本中使用辅助变量方法与分层,并比较了不同的重采样技术。在第二部分的归纳论证中,我们仅在弱条件下展示了这些蒙特卡洛滤波器的强大数定律与中心极限定理。我们还表明,在更强条件下,所需样本量独立于观测序列的长度。
引用
@article{arxiv.math/0602211,
title = {Recursive Monte Carlo filters: Algorithms and theoretical analysis},
author = {Hans R. Künsch},
journal= {arXiv preprint arXiv:math/0602211},
year = {2007}
}
备注
Published at http://dx.doi.org/10.1214/009053605000000426 in the Annals of Statistics (http://www.imstat.org/aos/) by the Institute of Mathematical Statistics (http://www.imstat.org)