×

\(\mathcal{五十} _1个\)-马尔可夫跳过程的最优滤波。一: 精确解和数值实现方案。 (英语。俄文原件) Zbl 1455.60063号

自动。远程控制 811945-1962年第11期(2020年); Avtom翻译。Telemekh公司。2020年,第11期,11-31(2020)。
小结:本研究工作的第一部分致力于开发一类数值求解算法,用于利用维纳噪声污染的间接连续时间观测值对马尔可夫跳跃过程进行滤波。预期的\(\mathcal{五十} _1个\)选择估计误差范数作为优化准则。噪声强度取决于所估计的状态。数值求解算法不涉及原始连续时间观测值,而涉及按时间离散的观测值。所提算法的一个特点是,它们考虑了离散化时间间隔上估计状态的几个跳跃的概率。主要结果是关于滤波问题的近似解的准确性的陈述,这取决于估计状态所考虑的跳跃次数、离散化步骤和所应用的数值积分方案。这些陈述为后续分析特定数值格式以实现滤波问题的解决提供了理论基础。
第二部分见[兹比尔1455.60064].

MSC公司:

60G35型 信号检测和滤波(随机过程方面)
60英尺76英寸 一般状态空间上的跳跃过程
65立方厘米05 蒙特卡罗方法
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Wonham,W.随机微分方程在最优非线性滤波中的一些应用,SIAM J.控制优化。,1964年,第347-369页·Zbl 0143.19004号
[2] Rabiner,LR,语音识别中隐马尔可夫模型和选定应用教程,Proc。IEEE,77,257-286(1989)·数字对象标识代码:10.1109/5.18626
[3] 以法莲,Y。;Merhav,N.,隐马尔可夫过程,IEEE Trans。通知。理论,48,第6期,1518-1569(2002)·Zbl 1061.94560号 ·doi:10.1109/TIT.2002.1003838
[4] O·卡佩。;Moulines,E。;Ryden,T.,《隐马尔可夫模型中的推断》(2005),柏林:施普林格出版社,柏林·Zbl 1080.62065号 ·doi:10.1007/0-387-28982-8
[5] RJ Elliott;阿贡,L。;穆尔,JB,《隐马尔可夫模型:估计和控制》(2008),纽约:施普林格出版社,纽约·Zbl 0819.60045号
[6] 克洛登,P。;Platen,E.,随机微分方程的数值解(1992),柏林:Springer,柏林·Zbl 0925.65261号 ·doi:10.1007/978-3-662-12616-5
[7] 卡哈纳,D。;莫勒,C。;Nash,S.,《数值方法与软件》(1989),Prentice Hill:新泽西州,Prentice Hill·Zbl 0744.65002号
[8] Isaacson,E。;Keller,H.,《数值方法分析》(1994),纽约:多佛,纽约·Zbl 0168.13101号
[9] 斯托尔,J。;Bulirsch,R.,《数值分析导论》(1993),纽约:Springer,纽约·Zbl 0771.65002号 ·doi:10.1007/978-1-4757-2272-7
[10] Kushner,HJ,《随机控制中近似和椭圆方程的概率方法》(1977),纽约:学术出版社,纽约·Zbl 0547.93076号
[11] 库什纳,H。;Dupuis,P.,连续时间随机控制问题的数值方法(2001),纽约:Springer,纽约·Zbl 0968.93005号 ·数字对象标识代码:10.1007/978-1-4613-0007-6
[12] 伊藤,K。;Rozovskii,B.,非线性滤波的Kushner方程近似,SIAM J.控制优化。,38,第3期,893-915(2000)·Zbl 0952.93126号 ·doi:10.1137/S0363012998344270
[13] Clark,J.《非线性滤波、通信系统和随机过程理论的随机微分方程的稳健逼近设计》,Skwirzynski,J.K.,Ed.,阿姆斯特丹:Sijthoff和Noordhoff,1978年。
[14] Malcolm,V.、Elliott,R.和van der Hoek,J.关于通过Clark变换的时间离散状态估计的数值稳定性,Proc。第42届IEEE Conf.Decis。对照,2003年,毛伊岛,第1406-1412页。
[15] 尹,G。;张,Q。;刘毅,《Wonham滤波器的离散时间逼近》,《控制理论应用》。,第2期,第1-10页(2004年)·Zbl 1260.60148号
[16] Platen,E。;Bruti-Liberati,N.,《金融中具有跳跃的随机微分方程的数值解》(2010),柏林:斯普林格出版社,柏林·Zbl 1225.60004号 ·doi:10.1007/978-3642-13694-8
[17] Crisan,D。;库利津,M。;Xiong,J.,带信号相关观测噪声的非线性滤波,电子。J.概率。,1863-1883年第14期(2009年)·Zbl 1191.60050号 ·doi:10.1214/EJP.v14-687
[18] 德拉甘,V。;莫罗赞,T。;Stoica,A.,离散时间线性随机系统鲁棒控制中的数学方法(2010),纽约:Springer,纽约·Zbl 1183.93001号 ·doi:10.1007/978-1-4419-0630-4
[19] 德拉甘,V。;Aberkane,S.,({{mathcal{H}}_2)-带状态相关噪声的连续时间周期线性随机系统的最优滤波,系统。控制信函。,第66期,第35-42期(2014年)·Zbl 1288.93086号 ·doi:10.1016/j.sysconle.2013.12.020
[20] 鲍里索夫,AV,Wonham Filtering by Obsuments with Multiplicative Noises,Autom。远程控制,79,no.1,39-50(2018)·Zbl 1391.93227号 ·doi:10.1134/S0005117918010046
[21] Borisov,AV,排队网络状态在线估计最佳滤波方法的应用,Autom。远程控制,77,no.2,277-296(2016)·Zbl 1346.93374号 ·doi:10.1134/S0005117916020053
[22] Huber,P.,《稳健统计》(1981),纽约:威利出版社,纽约·Zbl 0536.62025号 ·doi:10.1002/0471725250
[23] 安德森,B。;Moore,J.,《最佳过滤》(1979),新泽西州:普伦蒂斯·希尔·Zbl 0688.93058号
[24] Takeuchi,Y。;Akashi,H.,带状态相关观测噪声系统的最小二乘状态估计,Automatica,21,no.3,303-313(1985)·Zbl 0565.93055号 ·doi:10.1016/0005-1098(85)90063-9
[25] 鲍里索夫,AV,用离散观测值过滤马尔可夫跳跃过程,Inform。Primenen.公司。,12,第3号,115-121(2018)
[26] 北卡罗来纳州巴乌尔。;Gilitschenski,I。;Hanebeck,U.,基于离散观测的精确和近似隐马尔可夫链滤波器,统计。风险建模,32,第3-4期,159-176(2016)·Zbl 1339.60040号
[27] 詹姆斯,M。;克里希那穆尔蒂五世。;LeGland,F.,连续时间滤波器的时间离散化和HMM参数估计的平滑,IEEE Trans。自动。控制,42,第2期,593-605(1996)·兹比尔0852.62077
[28] Bertsekas,DP;Shreve,SE,随机最优控制:离散时间案例(1978),纽约:学术出版社,纽约·Zbl 0471.93002号
[29] R、 利普策;第页。;Shiryaev,AN,Statistika sluchineykh protsessov(1974),莫斯科:瑙卡,莫斯科
[30] Cvitanić,J。;利普策,R。;Rozovskii,B.,《从随机时间观察到的价格中跟踪波动性的过滤方法》,《年鉴应用》。概率。,16,第3期,1633-1652(2006)·Zbl 1108.62108号 ·doi:10.1214/1050516060000000222
[31] Borovkov,A.A.Asimptoticheskie metody v teorii massovogo obsluzhivaniya,莫斯科:Fizmatlit,1995,第2版,以《排队论中的渐近方法(概率与数理统计)》的标题翻译,纽约:Wiley,1984,第1版·Zbl 0544.60085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。