×
吉米·奥尔森;约翰·韦斯特博恩·阿伦洛夫

切线滤波器的基于粒子的在线估计及其在非线性状态空间模型参数估计中的应用。 （英语） Zbl 1469.62327号

Ann.Inst.Stat.数学。 72，第2期，545-576（2020年）.
根据P.Del道德和A.吉奥内特【安娜·亨利·彭加雷研究所，《概率统计》第37卷，第2期，155-194页（2001年；Zbl 0990.60005号)]作者开发了一种高效且数值稳定的算法，用于状态空间模型（SSM）中滤波器导数的粒子近似。所提出的方法包括基于粒子的快速增量平滑器（简称PaRIS），作为子例程，该平滑器由同一作者在[Bernoulli 23，No.3，1951-1996（2017；兹比尔1392.62252)]这是一种专门为在线逼近光滑可加状态泛函而设计的算法。
此结果与通过以下方法获得的结果类似T.N.M.Nguyen先生等【高级申请概率50，第1期，154-177（2018；Zbl 07163641号)]对于基于粒子的双滤波器平滑的情况。此外，通过假设模型的强混合，渐近方差可以在时间上一致有界。
该在线参数估计算法的数值性能在仿真研究中进行了研究，似乎比P.Del道德和A.吉奥内特【安娜·亨利·彭加雷研究所，《概率统计》第37卷，第2期，155-194页（2001年；Zbl 0990.60005号)]对于随机波动率模型中的在线参数学习J.赫尔和A.白色[英：随机波动。精选阅读。牛津：牛津大学出版社。109-129（2005；兹比尔1126.91369)].
审核人：罗密欧·内格里亚（蒂米什·奥拉）

引用于三文件

MSC公司：

2005年6月2日 马尔可夫过程：估计；隐马尔可夫模型
60G35型 信号检测和滤波（随机过程方面）
62M20型 随机过程推断和预测
65二氧化碳 蒙特卡罗方法

关键词：

参数估计;递归最大似然;状态空间模型;切线滤波器;序列蒙特卡罗方法;中心极限定理;粒子过滤器

引文：

Zbl 0990.60005号;Zbl 1392.62252号;Zbl 1126.91369号;Zbl 07163641号

软件：

快速SLAM
PDF格式BibTeX公司 XML格式引用
\textit{J.Olsson}和\textit{J.Westerborn Alenlöv}，Ann.Inst.Stat.Math。72，第2号，545--576（2020；Zbl 1469.62327）
全文： 内政部 arXiv公司

参考文献：

[1] 安德森（Bdo Anderson）；Moore，Jb，《最佳过滤》（1979），新泽西州：普伦蒂斯·霍尔，新泽西·Zbl 0688.93058号
[2] Cappé，O.（2001）。HMM十年（在线参考书目1989-2000）。http://perso.telecom-paritech.fr/cappe/docs/hmmbib.html。2013年3月查阅。
[3] Cappé，O.，《隐马尔可夫模型的在线EM算法》，《计算与图形统计杂志》，20,3728-749（2011）
[4] O·卡佩。；Moulines，E。；Rydén，T.，《隐马尔可夫模型中的推断》（2005），纽约：施普林格出版社，纽约·Zbl 1080.62065号
[5] Crisan，D。；Heine，K.，离散时间滤波器在噪声分布尾部的稳定性，伦敦数学学会杂志，78，2，441-458（2008）·Zbl 1148.93036号
[6] Del Moral，P。；Guionnet，A.，《关于相互作用过程的稳定性及其在过滤和遗传算法中的应用》，《亨利·彭卡研究所年鉴》，37，2，155-194（2001）·Zbl 0990.60005号
[7] Del Moral，P。；Doucet，A。；Singh，S.，Feynman-Kac公式的反向粒子解释，ESAIM:数学建模和数值分析，44，5，947-975（2010）·Zbl 1209.65009号
[8] Del Moral，P。；Doucet，A。；Singh，Ss，最优滤波器导数粒子近似的一致稳定性，SIAM控制与优化杂志，53，3，1278-1304（2015）·Zbl 1349.65010号
[9] Delyon，B.，随机算法收敛性的一般结果，IEEE自动控制汇刊，41，9，1245-1255（1996）·兹比尔0867.93075
[10] 登普斯特，Ap；莱尔德，Nm；Rubin，Db，通过EM算法从不完整数据中获取最大似然，《皇家统计学会杂志》，39，1，1-38（含讨论）（1977年）·Zbl 0364.62022号
[11] 杜克，R。；Matias，C.，一般隐马尔可夫模型最大似然估计的渐近性，伯努利，7，3，381-420（2001）·Zbl 0987.62018号
[12] 杜克，R。；加里维尔，A。；Moulines，E。；Olsson，J.，一般状态空间隐马尔可夫模型的序贯蒙特卡罗平滑，应用概率年鉴，21，6，2109-2145（2011）·Zbl 1237.60026号
[13] 杜克，R。；Moulines，E。；Olsson，J.，可验证条件下序列蒙特卡罗方法的长期稳定性，《应用概率年鉴》，24，5，1767-1802（2014）·Zbl 1429.62364号
[14] Doucet，A。；Tadić，Vb，使用粒子方法的一般状态空间模型中的参数估计，统计数学研究所年鉴，55，2，409-422（2003）·Zbl 1047.62084号
[15] Doucet，A。；Godsill，S。；Andrieu，C.，《贝叶斯滤波、统计与计算的序贯蒙特卡罗抽样方法》，10，3，197-208（2000）
[16] Doucet，A。；De Freitas，N。；Gordon，N.，《连续蒙特卡罗方法在实践中的应用》（2001），纽约：施普林格，纽约·Zbl 0967.00022号
[17] 费恩黑德，P。；Wyncoll，D。；Tawn，J.，《具有线性计算成本的序列平滑算法》，《生物统计学》，97，2，447-464（2010）·Zbl 1406.62093号
[18] 戈登，N。；鲑鱼，D。；Smith，Af，非线性/非高斯贝叶斯状态估计的新方法，IEE F雷达与信号处理学报，140，2，107-113（1993）
[19] 赫尔，J。；怀特，A.，《随机波动资产期权定价》，《金融杂志》，42，2，281-300（1987）
[20] 佩·雅各布（Pe Jacob）；穆雷，Lm；Rubenthaler，S.，《粒子过滤器中的路径存储》，《统计与计算》，第25、2、487-496页（2013年）·Zbl 1332.62359号
[21] Jasra，A.，《关于可验证条件下Feynman-Kac公式反向解释的行为》，《应用概率杂志》，52，2，339-359（2015）·Zbl 1327.62036号
[22] Julier，S.J.、Uhlmann，J.K.（1997年）。将卡尔曼滤波器扩展到非线性系统。在AeroSense：第11届航空航天/国防传感国际研讨会。模拟和控制。
[23] 坎塔斯，N。；Doucet，A。；辛格，S；Maciejowski，J。；肖邦，N.，《关于状态空间模型中参数估计的粒子方法》，《统计科学》，30，3，328-351（2015）·Zbl 1332.62096号
[24] Kitagawa，G.，非高斯非线性状态空间模型的蒙特卡罗滤波器和平滑器，计算与图形统计杂志，5，1，1-25（1996）
[25] 根西罗北川；Sato，Seisho，Monte Carlo平滑和自组织状态空间模型，实践中的序贯Monte Carol方法，177-195（2001），纽约州纽约市：纽约州纽约州施普林格·Zbl 1056.93581号
[26] Le Corff，S.、Fort，G.、Moulines，E.（2011年）。在线期望最大化算法求解SLAM问题。2011年IEEE统计信号处理研讨会（SSP）（第225-228页）。
[27] Le Gland，F.、Mevel，L.（1996）。隐马尔可夫模型中的几何遍历性。研究报告RR-2991，INRIA·Zbl 0941.93053号
[28] Le Gland，F.，Mevel，L.（1997）隐马尔可夫模型中的递归估计。第36届IEEE决策与控制会议的价格（第3468-3473页）。
[29] Martinez-Cantin，R.，de Freitas，N.，Castellanos，J.A.（2007年）。同时进行机器人定位和映射的粒子方法分析和一种新算法：边际slam。《2007年IEEE国际机器人与自动化会议论文集》（第2415-2420页）。
[30] Montemerlo，M.、Thrun，S.、Koller，D.、Wegbreit，B.（2002年）。FastSLAM：同时定位和映射问题的分解解决方案。在AAAI人工智能全国会议的会议记录中。埃德蒙顿：AAAI。
[31] Montemerlo，M.、Thrun，S.、Koller，D.、Wegbreit，B.（2003）。一种改进的粒子滤波算法，用于可证明收敛的同时定位和映射。第十六届国际人工智能联合会议（IJCAI）会议记录。阿卡普尔科：IJCAI。
[32] 阮，Tnm；勒科尔夫，S。；Moulines，E.，关于一般状态空间模型中边际平滑分布的双滤波器近似，应用概率进展，50，1，154-177（2017）·Zbl 07163641号
[33] 奥尔森，J。；O·卡佩。；杜克，R。；Moulines，E.，序列蒙特卡罗平滑及其在非线性状态空间模型参数估计中的应用，伯努利，14，1155-179（2008）·Zbl 1155.62055号
[34] Olsson，J.，Westerborn，J.（2016）。利用滤波器导数在一般隐马尔可夫模型中进行有效的参数推断。2016年IEEE声学、语音和信号处理国际会议（ICASSP）（第3984-3988页）。
[35] 奥尔森，J。；Westerborn，J.，《一般隐马尔可夫模型中基于粒子的高效在线平滑：PaRIS算法》，Bernoulli，23，31951-1996（2017）·Zbl 1392.62252号
[36] Poyiadjis，G。；Doucet，A。；Singh，S.，状态空间模型中分数和观测信息矩阵的粒子近似及其在参数估计中的应用，Biometrika，98，1，65-80（2011）·Zbl 1214.62093号
[37] Poyiadjis，G.，Doucet，A.，Singh，S.S.（2005）。最优滤波器导数的粒子方法：在参数估计中的应用。IEEE声学、语音和信号处理国际会议论文集（第925-928页）。
[38] Tadic，Vb，隐马尔可夫模型中递归最大似然估计的分析性、收敛性和收敛速度，IEEE信息理论汇刊，56，12，6406-6432（2010）·Zbl 1366.62166号
[39] 塔迪奇，Vb；Doucet，A.，随机梯度搜索的渐近偏差，《应用概率年鉴》，27，6，3255-3304（2017）·Zbl 1387.49044号
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。