近线性环境下集合卡尔曼滤波的统计精度
统计理论
2025-03-21 v1 统计理论
摘要
从不完整和有噪声的观测中估计动态系统的状态是大量应用中普遍存在的问题，例如概率天气预报和流行病预测。粒子滤波器是解决该问题的一种广泛采用的方法，并提供了对状态统计量的可证明精确的近似，但由于权重坍缩，它们在高维情况下表现不佳。集合卡尔曼滤波不存在此问题，因为它依赖于具有等权重的相互作用粒子系统。尽管它在地球物理科学中被广泛采用，但对该滤波器精度的数学分析主要局限于线性动态模型和线性观测算子的设定，且超越线性高斯设定的分析仍处于起步阶段。在这篇短文中，我们提供了一个易于理解的概述，介绍了作者们在超越线性高斯设定分析该滤波器精度方面迈出第一步的近期工作。
引用
@article{arxiv.2503.16154,
title = {Statistical accuracy of the ensemble Kalman filter in the near-linear setting},
author = {E. Calvello and J. A. Carrillo and F. Hoffmann and P. Monmarché and A. M. Stuart and U. Vaes},
journal= {arXiv preprint arXiv:2503.16154},
year = {2025}
}