SymPKF：用于参数卡尔曼滤波动力学设计的符号与计算工具箱
数据分析、统计与概率
2021-03-23 v2 数学软件
数值分析
数值分析
摘要
数据同化近期研究导致了参数卡尔曼滤波（PKF）的提出：一种卡尔曼滤波的实现，其中协方差矩阵由参数化协方差模型近似。在PKF中，预报步中协方差的动力学依赖于协方差参数的预测。因此，参数动力学的设计至关重要，而手工推导可能繁琐。本工作介绍了一个Python包SymPKF，能够针对单变量统计以及协方差模型由方差和相关性的局部各向异性参数化时计算PKF动力学。SymPKF生成PKF动力学的能力在一维域上的非线性扩散平流（Burgers方程）和二维域上的线性平流上得到展示。PKF动力学的计算在符号层面进行，但也引入了自动代码生成器以执行数值模拟。最后的多元示例说明了SymPKF超越单变量情形的潜力。
引用
@article{arxiv.2103.09226,
title = {SymPKF: a symbolic and computational toolbox for the design of parametric Kalman filter dynamics},
author = {Olivier Pannekoucke and Philippe Arbogast},
journal= {arXiv preprint arXiv:2103.09226},
year = {2021}
}