哈利特·奥伦巴什;穆哈里姆·默西梅克 聚类精确Daum-Huang粒子流过滤器。 (英语) Zbl 1435.93172号 数学。问题。工程师。 2019,文章ID 8369565,第8页(2019). 小结:与传统的颗粒过滤器不同,颗粒流过滤器不依赖于建议的密度和重要性采样;他们通过从对数同伦论方案导出的方法来利用粒子的流动,并确保粒子的成功迁移。在粒子滤波器的有效实现中,Exact Daum-Huang(EDH)滤波器将计算偏移参数结合在一起。改进后的局部精确Daum-Huang(LEDH)滤波器分别计算偏移参数。在本研究中,主要目标是减少LEDH滤波器中的计算成本,这是由于对每个偏移参数进行了详尽的计算。我们提出了聚类精确Daum-Huang(CEDH)滤波器。CEDH的主要影响是将产生类似误差的粒子聚集在一起,然后为每个簇内的粒子计算相同的迁移参数。通过对误差较大的粒子进行聚类和处理,可以平衡它们的接触和影响,系统可以大大减少这些粒子对整个系统的负面影响。我们成功地实现了高维目标跟踪场景的滤波器。将结果与EDH和LEDH滤波器获得的结果进行比较,以验证其效率。 MSC公司: 93E11号机组 随机控制理论中的滤波 62M20型 随机过程推断和预测 软件:k均值++ PDF格式BibTeX公司 XML格式引用 \textit{H.Örenbaş}和\textit{M.Mercimek},数学。问题。工程2019,文章ID 8369565,8 p.(2019;Zbl 1435.93172) 全文: 内政部 参考文献: [1] Arulampalam,M.S。;马斯凯尔,S。;戈登,N。;Clapp,T.,在线非线性/非高斯贝叶斯跟踪粒子滤波器教程,IEEE信号处理学报,50,2,174-188(2002)·doi:10.1109/78.978374 [2] 韦斯特,M。;Harrison,J.,贝叶斯预测和动态模型。贝叶斯预测和动态模型,《统计学中的斯普林格系列》(1997),美国纽约州纽约市·Zbl 0871.62026号 [3] 韦尔奇,G。;Bishop,G.,《卡尔曼滤波器简介》,技术报告:UNC-CH计算机科学技术报告95041(1995) [4] 新泽西州戈登。;Salmond,D.J。;Smith,A.F.M.,非线性/非高斯贝叶斯状态估计的新方法,IEE程序F,140,2,107-113(1993)·doi:10.1049/ip-f-2.1993.0015 [5] 邦奇,P。;Godsill,S.,使用高斯粒子流重要性抽样的最佳重要性密度近似,美国统计协会杂志,111,514,748-762(2016)·doi:10.1080/01621459.2015.1038387 [6] Doucet,A。;Godsill,S。;Andrieu,C.,《关于贝叶斯滤波、统计和计算的序贯蒙特卡罗抽样方法》,10,3,197-208(2000)·doi:10.1023/A:1008935410038 [7] 科内比斯,J。;Moulines,E。;Olsson,J.,应用于状态空间模型的序贯重要性抽样的自适应方法,统计与计算,18,4,461-480(2008)·doi:10.1007/s11222-008-9089-4 [8] 皮特,M.K。;Shephard,N.,《通过模拟进行过滤:辅助粒子过滤器》,《美国统计协会杂志》,94446590-599(1999)·Zbl 1072.62639号 ·doi:10.2307/2670179 [9] Doucet,A。;德弗里塔斯,N。;戈登,N。;Russell,S.J.,Rao-动态贝叶斯网络的Blackwellised粒子滤波,人工智能(UAI)中的不确定性程序,Springer [10] van der Merwe,R。;Doucet,A。;De Freitas,N。;Wan,E.,《无味粒子过滤器》,《神经信息学报》。程序。系统。(NIPS) [11] Beskos,A。;Crisan,D。;Jasra,A.,《论高维连续蒙特卡罗方法的稳定性》,《应用概率年鉴》,24,41396-1445(2014)·Zbl 1304.82070号 ·doi:10.1214/13-AAP951 [12] Crisan,D。;Rozovskii,B.,《牛津非线性滤波手册》(2011),牛津大学出版社·Zbl 1210.60005号 [13] Bui Quang,P。;穆索,C。;Le Gland,F.,《粒子滤波中维度问题的洞察》,《2010年第13届信息融合国际会议论文集》(Fusion 2010)·doi:10.1010/ICIF.2010.5712050 [14] 阿德斯,M。;van Leeuwen,P.J.,《高维系统中的等效重量粒子滤波器》,《皇家气象学会季刊》,141,687,484-503(2015)·doi:10.1002/qj.2370 [15] Djuric,P.M。;卢·T。;Bugalo,M.F.,《多粒子过滤》,Proc。国际协调声学、语音和信号处理。(ICASSP) [16] Beskos,A。;Crisan,D。;Jasra,A。;Kamatani,K。;Zhou,Y.,一类高维状态空间模型的稳定粒子滤波器,应用概率进展,49,1,24-48(2017)·Zbl 1426.62274号 ·doi:10.1017/apr.2016.77 [17] Septier,F。;Pang,S.K。;A.卡米。;Godsill,S.,《基于MCMC的贝叶斯滤波粒子方法:在多目标跟踪中的应用》,第三届IEEE多传感器自适应处理计算进展国际研讨会论文集(CAMSAP 2009)·doi:10.1109/CAMSAP.2009.5413256 [18] 丁·T。;Coates,M.J.,Daum-Huang精确流粒子滤波器的实现,2012年IEEE统计信号处理研讨会论文集,SSP [19] Daum,F。;Huang,J.,《对数同态非线性滤波器》,Proc。小目标SPIE Conf信号与数据处理 [20] Daum,F。;卡达尔,I。;Huang,J.,对数全息诱导的粒子流非线性滤波器,SPIE防御、安全和传感学报·数字对象标识代码:10.1117/12.814241 [21] Daum,F。;卡达尔,I。;黄,J。;Noushin,A.,非线性滤波器的精确粒子流,SPIE防御、安全和传感学报·doi:10.117/12.839590 [22] Daum,F。;黄,J。;Noushin,A.,非线性滤波器的库仑定律粒子流,Proc。SPIE配置信号和数据处理 [23] 李毅。;赵,L。;Coates,M.,粒子滤波的粒子流,IEEE声学、语音和信号处理国际会议(ICASSP)论文集 [24] 李毅。;Coates,M.,《基于聚类的快速粒子流粒子过滤器》,第19届信息融合国际会议论文集 [25] 南卡罗来纳州Surace。;Kutschireiter,A。;Pfister,J.-P,《如何避免二元性的诅咒:具有和不具有重要性权重的粒子滤波器的可扩展性》,https://arxiv.org/abs/1703.07879 ·Zbl 1415.93268号 [26] Daum,F。;黄,J。;Noushin,A.,随机颗粒流过滤器Gromov方法的新理论和数值结果,第21届信息融合国际会议论文集,Fusion 2018 [27] 李毅。;Pal,S。;Coates,M.,《基于可逆粒子流的序列MCMC与高斯混合噪声模型扩展》,IEEE信号处理学报(2019年)·Zbl 1458.94109号 [28] 亚瑟·D·。;Vassilvitskii,S.,k-means++:仔细播种的优势,《ACM-SIAM离散算法研讨会论文集》·Zbl 1302.68273号 [29] Lloyd,S.P.,PCM中的最小二乘量化,IEEE信息理论汇刊,28,2,129-137(1982)·Zbl 0504.94015号 ·doi:10.1109/TIT.1982.1056489 [30] Hlinka,O。;Sluciak,O。;Hlawatsch,F。;Djuric,P.M。;Rupp,M.,使用似然共识的分布式高斯粒子滤波,ICASSP 2011-2011 IEEE声学、语音和信号处理国际会议(ICASSP)论文集·doi:10.1109/ICASSP.2011.5947168 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。