×
路易斯·桑切斯;萨巴州芬特

利用非线性滤波器重构混沌动力学系统。 （英文） Zbl 1449.37060号

智利。J.统计。 4，第1期，35-54（2013）.
摘要：本文提出了一种基于序贯蒙特卡罗技术的方法，可以实时估计具有高斯误差和非线性动力学的混沌动力学系统的状态。这种系统在许多不同的应用中自然出现。我们使用四种不同的算法，即通用粒子滤波器（GPF）、带重采样的粒子滤波器（PFR）、无迹卡尔曼滤波器（UKF）和无迹粒子滤波器（UPF），通过重建Henon、Ikeda、Tinkerbell和Lorenz的混沌图的状态来说明该方法。根据经验标准偏差和计算时间对滤波器的性能进行了评估，估计误差之间的差异很小，算法执行速度很快。

MSC公司：

37号30 数值分析中的动力系统
65页第20页 数值混沌
62升10 顺序统计分析
65二氧化碳 蒙特卡罗方法

关键词：

非线性滤波器;序贯蒙特卡罗方法

软件：

力学
PDF格式BibTeX公司 XML格式引用
\textit{L.Sánchez}和\textit{S.Infante}，智利。J.Stat.4，No.1，35--54（2013；Zbl 1449.37060）
全文： 链接

参考文献：

[1] 安德森，B.，摩尔，J.，1979年。最佳过滤。Englewood Cliffs，Prentice Hall，新泽西州·Zbl 0688.93058号
[2] Andrieu，C.，Doucet，A.，Holestein，R.，2010年。粒子马尔可夫链蒙特卡罗方法。英国皇家统计学会期刊B辑-统计方法，72，1-33。
[3] Arulampalam，S.、Maskell，S.，Gordon，N.、Clapp，T.，2002年。在线非线性/非高斯贝叶斯跟踪的粒子滤波器教程。IEEE信号处理汇刊，50174-188。
[4] Bengtsson，T.、Bickel，P.、Li，B.，2008年。维度诅咒重温：超大规模系统中粒子过滤器的崩溃。《概率与统计：纪念戴维·弗里德曼的论文》，2316-334·Zbl 1166.93376号
[5] Bremer，C.，Kaplan，D.，2001年。时间序列非线性动力学的马尔可夫链蒙特卡罗估计。物理学D，160，116-126·Zbl 1001.37087号
[6] 卡斯达格利，M.，1989年。混沌时间序列的非线性预测。《物理D》，35，335-356·Zbl 0671.62099号
[7] Chen，Z.，2003年。贝叶斯滤波：从卡尔曼滤波器到粒子滤波器，甚至更远。技术报告。麦克马斯特大学自适应系统实验室。
[8] Chui，C.，Chen，G.，2009年。实时应用的卡尔曼滤波。第四版。柏林施普林格·Zbl 1206.93110号
[9] Doucet，A.，De Freitas，J.，Gordon，N.，2001年。序贯蒙特卡罗实践。Springer Verlag，纽约·Zbl 0967.00022号
[10] Doucet，A.，Godsill，S.，Andrieu，C.，2000年。贝叶斯滤波的序贯蒙特卡罗抽样方法。统计与计算，10197-208。
[11] Fearnhead，P.，2002年。MCMC、充分统计和粒子滤波。计算与图形统计杂志，11，848-862。
[12] Fong，W.，Godsill，S.，Doucet，A.，West，M.，2002年。蒙特卡罗平滑算法在音频信号增强中的应用。IEEE信号处理汇刊，50438-449。
[13] Godsill，S.，Doucet，A.，West，M.，2004年。非线性时间序列的蒙特卡罗平滑。美国统计协会杂志，99，156-167·Zbl 1089.62517号
[14] Gordon，N.，Salmond，D.，Smith，A.F.M.，1993年。非线性非高斯贝叶斯状态估计的新方法。IEE程序F，140，107-113。
[15] Hnon，M.，1976年。带有奇怪吸引子的二维映射。数学物理通讯，50，69-77·Zbl 0576.58018号
[16] Julier，S.，Uhlmann，J.，1996年。一种近似概率分布非线性变换的通用方法。技术报告。牛津大学工程科学系。
[17] Julier，S.、Uhlmann，J.、Durrant，H.，2000年。滤波器和估计器中均值和协方差的非线性变换的一种新方法。IEEE自动控制汇刊，45，477-482·Zbl 0973.93053号
[18] 北川，G.，1996年。用于非线性非高斯状态模型的蒙特卡罗滤波器和平滑器。计算与图形统计杂志，5，1-25。
[19] Kong，A.，Liu，S.，Wong，H.，1994年。顺序插补和贝叶斯缺失数据问题。美国统计协会杂志，89，278-288·兹比尔0800.62166
[20] Lee，D.，2005年。非线性贝叶斯滤波及其在估计和导航中的应用。德克萨斯农工大学博士学位论文。
[21] Lin，M.，Zhang，J.，Cheng，Q.，Chen，R.，2005年。独立粒子过滤器。美国统计协会杂志，1001412-1421·Zbl 1117.62388号
[22] Liu，J.，1996年。大都市独立抽样，与拒绝抽样和重要性抽样进行比较。统计与计算，6113-119。
[23] Liu，J.，Chen，R.，1998年。动力系统的序贯蒙特卡罗方法。美国统计协会杂志，83，1032-1044·Zbl 1064.65500号
[24] Liu，J.，West，M.，2000年。在基于仿真的滤波中结合参数和状态估计。Doucet，A.，De Freitas，J.F.G.，Gordon，N.J.，（编辑）。实践中的序贯蒙特卡罗方法。Springer Verlag，纽约，第197-217页。
[25] Lorenz，E.，1963年。确定性非周期流动。大气科学杂志，20130-141·Zbl 1417.37129号
[26] Majda，A.，Harlim，J.，Gershgorin，B.，2010年。过滤湍流动力系统的数学策略。离散和连续动力系统，27441-486·Zbl 1191.93135号
[27] Majda，A.，Harlim，J.，2012年。过滤复杂湍流系统。剑桥大学出版社，剑桥·Zbl 1250.93002号
[28] Meyer，R.，Christensen，N.，2000年。混沌动力系统的贝叶斯重构。新西兰奥克兰大学。
[29] Meyer，R.，Christensen，N.，2001年。新西兰奥克兰大学，通过扩展卡尔曼滤波对混沌动力系统进行快速贝叶斯重构。
[30] Nusse，H.、Yorke，J.、Marden，J.和Sirovich，L.，1997年。动力学：数值探索。Springer Verlag，纽约。
[31] Pitt，M.，Shephard，N.，1999年。通过模拟过滤：辅助粒子过滤器。美国统计协会杂志，94590-599·Zbl 1072.62639号
[32] Simon，D.，2006年。最优状态估计卡尔曼、H无穷大和非线性方法。John Wiley and Sons出版社。结构动力系统，印度科学院，班加罗尔。
[33] Snyder，C.，Bengtsson，T.，Bickel，P.，Anderson，J.，2008年。高维粒子滤波的障碍。美国气象学会，136，12。
[34] Storvik，G.，2002年。存在未知静态参数的状态空间模型中的Paticle滤波器。IEEE信号处理汇刊，50281-289。
[35] 范德默韦，R.，2004年。动态状态空间模型中概率推理的Sigma-Point Kalman滤波器。波特兰俄勒冈州健康与科学大学OGI理工学院博士。
[36] 54升。Snchez和S.Infante
[37] West，M.，Harrison，J.，1997年。贝叶斯预测和动态模型。第二版。纽约施普林格-弗拉格·Zbl 0871.62026号
[38] Zhang，B.，Chen，G.，Zhou，D.，2006年。基于粒子滤波的混沌安全通信。混沌、孤子和分形，301273-1280。
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。