保罗·费恩黑德;Papaspiliopoulos，奥密罗斯;加雷思·罗伯茨。;安德鲁·斯图亚特 连续时间过程的随机加权粒子滤波。 （英语） Zbl 1411.60109号 J.R.Stat.Soc.，塞尔维亚。B、 统计方法。 72，第4期，497-512（2010）. 摘要：在重要性采样权重为随机的情况下，可以实现重要性采样和粒子滤波算法。这种随机加权算法已被证明对于一类扩散模型的推理是有效的，因为它们可以在不需要对基础扩散模型进行任何（时间离散化）近似的情况下进行推理。实现这种随机加权算法的一个困难是需要具有概率为1的正权重。我们展示了如何使用鞅的Wald恒等式来确保正权重。我们将这种思想应用于从高频数据中分析扩散模型。对于一类扩散模型，我们展示了如何实现粒子过滤器，该过滤器使用数据中的所有信息，但其计算成本与数据频率无关。我们使用Wald恒等式为这些模型实现了一个随机加权粒子滤波器，避免了时间离散化误差。 引用于13文件 MSC公司： 60J22型 马尔可夫链中的计算方法 65立方厘米 马尔可夫链的数值分析或方法 62M20型 随机过程推断和预测 关键词：扩散;精确模拟;高斯过程;综合过程;负重要性权重;泊松估计量;序贯蒙特卡罗方法 PDF格式BibTeX公司 XML格式引用 \textit{P.Fearnhead}等人，J.R.Stat.Soc.，Ser。B、 统计方法。72，第4号，497--512（2010；Zbl 1411.60109） 全文： 内政部