阿德里安·N·毕晓普。;皮埃尔·德尔·莫勒尔 关于集合（线性高斯）卡尔曼-布基滤波的数学理论。 （英语） Zbl 1526.93257号 数学。控制信号系统。 35，第4期，835-903（2023）. 摘要：本文旨在对连续时间、线性高斯信号和观测模型的集合卡尔曼-布基滤波理论进行全面综述。我们提出了一个方程组，描述了连续时间集合滤波中单个粒子的流动以及样本协方差和样本均值的流动。我们考虑了这些方程及其在一些流行的集合卡尔曼滤波变体中的特性。给定这些方程，我们研究了它们对最优贝叶斯滤波器的渐近收敛性。我们还详细研究了样本协方差和样本均值（或样本误差轨迹）上的一些非渐近时间均匀波动、稳定性和收缩结果。我们专注于可测试信号/观测模型条件，并适应完全不稳定（潜在）信号模型。我们讨论了这些结果在表征滤波器行为方面的相关性和重要性，例如信号跟踪性能，并将这些结果与卡尔曼-布基滤波稳定性的经典研究中的结果进行了对比。我们还提供了一个新的（和否定的）结果表明，与集合卡尔曼滤波器（和最优滤波器）相比，自举粒子滤波器甚至不能跟踪最基本的不稳定潜伏信号。我们提供了主要结果如何扩展到非线性信号模型的直观性，并评论了它们对实际中看到的一些典型滤波器行为的影响，例如灾难性发散。 引用于1文件 MSC公司： 93E11号机组 随机控制理论中的滤波 关键词：数据同化;集合卡尔曼滤波;滤波器收敛;粒子过滤器;Riccati扩散;稳定性 软件：合卡尔曼滤波 PDF格式BibTeX公司 XML格式引用 \textit｛A.N.Bishop｝和\textit｛P.Del Moral｝，数学。控制信号系统。35，编号4，835--903（2023；Zbl 1526.93257） 全文： 内政部 arXiv公司 OA许可证 参考文献： [1] JI艾伦；埃克内斯，M。；Evensen，G.，《具有复杂海洋生态系统模型的集合卡尔曼滤波器：克里坦海浮游植物的后向预测》，Ann Geophys，21399-411（2003）·doi:10.5194/angeo-21-399-2003年 [2] Alvarez M，Chada NK，Jasra A（2022）香草型和确定性集合卡尔曼-布基滤波器的无偏估计。arXiv电子打印arXiv:2208.03947 [3] Anderson，BDO，卡尔曼-布基滤波器的稳定性，J Frankl Inst，291，2，137-144（1971）·Zbl 0275.93044号 ·doi:10.1016/0016-0032（71）90016-0 [4] 安德森，BDO；穆尔，JB，《最佳过滤》（1979），纽约：多佛出版社，纽约·Zbl 0688.93058号 [5] Anderson，JL，用于数据同化的集合调整卡尔曼滤波器，Mon Weather Rev，129，122884-2903（2001）·doi:10.1175/1520-0493（2001）129<2884:AEAKFF>2.0.CO；2 [6] Anderson，JL，集合滤波的局部最小二乘框架，《Mon Weather Rev》，131，4，634-642（2003）·doi:10.1175/1520-0493（2003）131<0634:ALLSFF>2.0.CO；2 [7] JL安德森；安德森，SL，《产生集合同化和预报的非线性滤波问题的蒙特卡罗实现》，《Mon Weather Rev》，127，12，2741-2758（1999）·doi:10.1175/1520-0493（1999）127<2741:AMCIOT>2.0.CO；2 [8] Atar R（1998）非紧域中扩散过程非线性滤波的指数稳定性。安·普罗布1552-1574·Zbl 0930.93080号 [9] 贝恩，A。；Crisan，D.，《随机滤波基础》（2009），纽约：施普林格出版社，纽约·Zbl 1176.62091号 ·数字对象标识代码：10.1007/978-0-387-76896-0 [10] 巴拉斯，JS；Bensoussan，A。；James，MR，动态观测器作为递归滤波器的渐近极限：特殊情况，SIAM J Appl Math，48，5，1147-1158（1988）·Zbl 0658.93017号 ·数字对象标识代码：10.1137/0148068 [11] 巴克森代尔，P。；奇甘斯基，P。；Liptser，R.，《Wonham滤波器的渐近稳定性：遍历和非遍历信号》，SIAM J Control Optim，43，2，643-669（2004）·Zbl 1101.93074号 ·doi:10.1137/S0363012902416924 [12] Beneš，VE，具有非线性漂移的某些扩散的精确有限维滤波器，斯多葛学派，5，1-2，65-92（1981）·Zbl 0458.60030号 ·doi:10.1080/17442508108833174 [13] Bergemann，K。；Reich，S.，用于连续数据同化的集合卡尔曼-布基滤波器，Meteorol Z，21，3，213-219（2012）·doi:10.1127/0941-2948/2012/0307 [14] 巴特股份公司；Budhiraja，A。；Karandikar，RL，非线性滤波器的马尔可夫特性和遍历性，SIAM J Control Optim，39，3，928-949（2000）·Zbl 0970.60047号 ·doi:10.1137/S0363012999357707 [15] Bishop AN，Bonilla EV（2023）递归神经网络和贝叶斯滤波器的通用近似。摘自：《第26届国际人工智能与统计会议论文集》，PMLR，第206卷，第6956-6967页。arXiv电子打印arXiv:2211.00335 [16] AN Bishop；Del Moral，P.，《关于卡尔曼-布基扩散过程的稳定性》，SIAM J Control Optim，55，6，4015-4047（2017）·Zbl 1390.60151号 ·doi:10.137/16M1102707 [17] AN Bishop；Del Moral，P.，随机系数线性随机微分方程组的稳定性，SIAM J Control Optim，57，2，1023-1042（2019）·Zbl 1415.34101号 ·doi:10.1137/18M1182759 [18] AN Bishop；Del Moral，P.，Riccati非周期指数半群的显式Floquet型表示，国际J控制，94，1，258-266（2021）·Zbl 1480.34066号 ·doi:10.1080/00207179.2019.1590647 [19] Bishop AN，Del Moral P（2019）关于矩阵值Riccati扩散的稳定性。Electr J Probab 24，论文编号24。arXiv电子打印arXiv:1808.00235·兹比尔1466.60114 [20] AN Bishop；Del Moral，P.，《关于Riccati流对完成模型错误指定的稳健性》，J Frankl Inst，355，15，7178-7200（2018）·Zbl 1398.93077号 ·doi:10.1016/j.jfranklin.2018.06.042 [21] AN Bishop；Del Moral，P。；Kamatani，K。；Remillard，B.，《关于一维Riccati扩散》，《Ann Appl Probab》，29，2，1127-1187（2019）·Zbl 1466.60115号 ·doi:10.1214/18-AAP1431 [22] AN Bishop；Del Moral，P。；Niclas，A.，随机矩阵Riccati扩散的扰动分析，《亨利·庞加莱研究所年鉴》，概率与统计，56，2，884-916（2020）·Zbl 1434.60020号 ·doi:10.1214/19-AIHP987 [23] 主教，AN；Del Moral，P。；Niclas，A.，《Wishart矩阵矩简介》，《Found Trends Mach Learn》，第11、2、97-218页（2018年）·Zbl 1442.60006号 ·doi:10.1561/2200000072 [24] 主教，AN；Del Moral，P。；Pathiraja，S.，Kalman-Bucy半群的扰动和投影，Stoch过程及其应用，128，9，2857-2904（2018）·Zbl 1407.62338号 ·doi:10.1016/j.spa.2017.10.006 [25] Bishop AN，Jensfelt P（2009）机器人中心映射问题的随机稳定解决方案。在：2009年IEEE机器人与自动化国际会议论文集，日本神户 [26] Bishop，CH；埃瑟顿，BJ；Majumdar，SJ，使用集合变换卡尔曼滤波器的自适应采样。第一部分：理论方面，Mon Weather Rev，129,3420-436（2001）·doi:10.1175/1520-0493（2001）129<0420:ASWTET>2.0.CO；2 [27] Bismut，JM，随机系数线性二次最优随机控制，SIAM J control Optim，14，3，419-444（1976）·Zbl 0331.93086号 ·doi:10.1137/0314028 [28] Bonnabel，S。；塞普尔赫里，R。；尼尔森，F。；Bhatia，R.，低阶卡尔曼滤波器的几何，矩阵信息几何，53-68（2013），纽约：Springer，纽约·Zbl 1269.93120号 ·doi:10.1007/978-3-642-30232-93 [29] Bougerol，P.，随机系数和收缩的卡尔曼滤波，SIAM J Control Optim，31，4，942-959（1993）·Zbl 0785.93040号 ·数字对象标识代码：10.1137/0331041 [30] Bucy，RS，Riccati方程的整体理论，计算机系统科学杂志，1349-361（1967）·Zbl 0155.14403号 ·doi:10.1016/S0022-0000（67）80025-4 [31] Budhiraja，A.，非线性滤波器的渐近稳定性、遍历性和其他渐近性质，《AHP概率与统计年鉴》。，39, 6, 919-941 (2003) ·Zbl 1160.60318号 [32] Budhiraja，A。；Kushner，HJ，无限时间间隔上非线性滤波器的近似和极限结果，SIAM J Control Optim，37，6，1946-1979（1999）·Zbl 0934.93064号 ·doi:10.1137/S0363012997328178 [33] 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值》，美国统计学会期刊，111，514，748-762（2016）·doi:10.1080/01621459.2015.1038387 [34] 汉堡，G。；van Leeuwen，PJ；Evensen，G.，《集合卡尔曼滤波器中的分析方案》，《Mon Weather Rev》，126、6、1719-1724（1998）·doi:10.1175/1520-0493（1998）126＜1719：ASITEK＞2.0.CO；2 [35] Callier，FM；Willems，JL，Riccati微分方程解的收敛性准则，IEEE Trans-Autom Control，26，6，1232-1242（1981）·Zbl 0472.93032号 ·doi:10.1109/TAC.1981.1102812 [36] Callier，FM；Winkin，J.，稳定系统的时不变Riccati微分方程向其强解的收敛性，J Math Ana Appl，192，1，230-257（1995）·Zbl 0824.93023号 ·文件编号：10.1006/jmaa.1995.1169 [37] Chada NK、Iglesias MA、Roininen L、Stuart AM（2018），集合卡尔曼反演的参数化。逆问题34（5）·Zbl 1515.62041号 [38] 北卡罗来纳州查达；Jasra，A。；Yu，F.，多级集合卡尔曼-布基滤波器，SIAM/ASA J Uncertain Quantif，10，2，584-618（2022）·Zbl 1493.65022号 ·doi:10.1137/21M1423762 [39] 肖邦，N.，序贯蒙特卡罗方法的中心极限定理及其在贝叶斯推断中的应用，Ann Stat，32，6，2385-2411（2004）·Zbl 1079.65006号 ·doi:10.1214/009053604000000698 [40] Crisan，D。；Del Moral，P。；Jasra，A。；Ruzayqat，H.，使用集合Kalman-Bucy滤波器进行对数正态化常数估计，并应用于高维模型，Adv Appl Probab，54，4，1139-1163（2022）·Zbl 1499.60126号 ·doi:10.1017/apr.2021.62 [41] Crisan，D。；Xiong，J.，一类SPDE的近似McKean-Vlasov表示，随机，82，1，53-68（2010）·Zbl 1211.60022号 ·doi:10.1080/17442500902723575 [42] Daum F，Huang J，Noushin A（2010）非线性滤波器的精确粒子流。In:《信号处理、传感器融合和目标识别学报》XIX，国际光学与光子学学会（SPIE）第7697卷，第92-110页 [43] 德威尔杰斯，J。；Reich，S。；Stannat，W.，针对完全观测过程和小测量噪声的集合Kalman-Bucy滤波器的长期稳定性和准确性，SIAM J Appl Dyn Syst，17，2，1152-1181（2018）·Zbl 1391.93265号 ·doi:10.1137/17M1119056 [44] de Wiljes，J.等人。；Tong，XT，具有完整和准确观测的局部非线性集合卡尔曼-布西滤波器分析，非线性，33，9，4752（2020）·Zbl 1458.62212号 ·doi:10.1088/1361-6544/ab8d14 [45] Del Moral，P.，《非线性滤波：相互作用粒子解》，马尔可夫过程相关场，2，4，555-580（1996）·Zbl 0879.60042号 [46] Del Moral，P.，《测量值过程和相互作用粒子系统》。非线性滤波问题的应用，Ann Appl Probab，8，2，438-495（1998）·Zbl 0937.60038号 [47] Del Moral，P.，Feynman-Kac公式（2004），纽约：Springer，纽约·Zbl 1130.60003号 ·doi:10.1007/978-1-4684-9393-1 [48] Del Moral P（2013）蒙特卡洛积分的平均场模拟。Monogr Stat应用概率126（26）·Zbl 1282.65011号 [49] Del Moral，P。；Guionnet，A.，《关于滤波应用中测量值过程的稳定性》，Comptes Rendus de l'Academie des Sciences-Series I-Mathematics，329，5，429-434（1999）·兹比尔0935.92001 ·doi:10.1016/S0764-4442（00）88619-X [50] Del Moral P，Horton E（2021）一维离散生成集合卡尔曼粒子滤波器的理论分析。arXiv电子打印arXiv:2107.01855·Zbl 1525.60048号 [51] Del Moral，P。；Kurtzmann，A。；Tugaut，J.，关于一类扩展集合Kalman-Bucy滤波器的稳定性和混沌均匀传播，SIAM J Control Optim，55，1，119-155（2017）·Zbl 1356.60065号 ·doi:10.1137/16M1087497 [52] Del Moral，P。；Miclo，L.，Feynman-Kac公式的分支和相互作用粒子系统近似及其在非线性滤波中的应用，Séminaire de ProbabilityéS，XXXIV，1-145（2000）·Zbl 0963.60040号 [53] Del Moral，P。；Tugaut，J.，关于集合Kalman-Bucy滤波器的稳定性和混沌特性的均匀传播，Ann Appl Probab，28，2，790-850（2018）·Zbl 1391.60082号 [54] Doob，JL，随机过程（1953），纽约：威利，纽约·Zbl 0053.26802号 [55] 杜克，R。；Moulines，E。；Olsson，J.，可验证条件下序贯蒙特卡罗方法的长期稳定性，Ann Appl Probab，24，5，1767-1802（2014）·Zbl 1429.62364号 ·doi:10.1214/13-AAP962 [56] Doucet，A。；德弗里塔斯，N。；新泽西州戈登，《序贯蒙特卡罗方法在实践中的应用》（2001），纽约：施普林格出版社，纽约·兹比尔0967.00022 [57] Doucet，A。；Godsill，S。；Andrieu，C.，《贝叶斯滤波的序贯蒙特卡罗采样方法》，《统计计算》，10，3，197-208（2000）·doi:10.1023/A:1008935410038 [58] Evensen，G.，使用蒙特卡罗方法预测误差统计的非线性准营养模型的序贯数据同化，Geophys Res Oceans杂志，99，C5，10143-10162（1994）·doi:10.1029/94JC00572 [59] Evensen，G.，《集合卡尔曼滤波器：理论公式和实际实现》，Ocean Dyn，53，4，343-367（2003）·doi:10.1007/s10236-003-0036-9 [60] Evensen，G.，《数据同化：集合卡尔曼滤波器》（2009），纽约：Springer，纽约·Zbl 1395.93534号 ·doi:10.1007/978-3642-03711-5 [61] Evensen G，Hove J，Meisingset HC，Reiso E，Seim KS（2007）使用EnKF进行北海储层模型的辅助历史匹配。摘自：2007年SPE油藏模拟研讨会论文集，德克萨斯州休斯顿 [62] Giles，MB，多层蒙特卡罗路径模拟，Oper Res，56，3，607-617（2008）·Zbl 1167.65316号 ·doi:10.1287/操作1070.0496 [63] 戈登，N。；萨尔蒙德，J。；Smith，A.，非线性/非高斯贝叶斯状态估计的新方法，IEE Proc雷达信号处理，140，2，107-113（1993）·doi:10.1049/ip-f-2.1993.0015 [64] 佐治亚州哥特瓦尔德；Majda，AJ，稀疏观测网数据同化中灾难性滤波器发散的机制，非线性过程地球物理，20，5，705-712（2013）·doi:10.5194/npg-20-705-2013年 [65] 哈米尔，TM；JS惠特克；Snyder，C.，集合卡尔曼滤波器中背景误差协方差估计的距离相关滤波，《Mon Weather Rev》，129，11，2776-2790（2001）·doi:10.1175/1520-0493（2001）129<2776:DDFOBE>2.0.CO；2 [66] 哈里姆·J。；Majda，AJ，滤波非线性耗散系统中的灾难性滤波器发散，《公共数学科学》，8，1，27-43（2010）·Zbl 1190.93096号 ·doi:10.4310/CMS.2010.v8.n1.a3 [67] Heine，K。；Crisan，D.，离散时间滤波器的一致近似，Adv Appl Probab，40，4，979-1001（2008）·Zbl 1155.93039号 ·doi:10.1239/aap/1231340161 [68] Hoel，H。；法律，KJH；Tempone，R.，多层集合卡尔曼滤波，SIAM J Numer Ana，54，3，1813-1839（2016）·兹比尔1401.65008 ·数字对象标识码：10.1137/15M100955X [69] Hoel H，Shaimerdenova G，Tempone R（2022）多因次集合卡尔曼滤波。计算物理杂志470·Zbl 07599605号 [70] 波兰Houtekamer；米切尔，HL，《使用集合卡尔曼滤波技术进行数据同化》，《Mon Weather Rev》，第126、3、796-811页（1998年）·doi:10.1175/1520-0493（1998）126<0796:DAUAEK>2.0.CO；2 [71] 波兰Houtekamer；米切尔，HL，大气数据同化的序贯集合卡尔曼滤波器，《Mon Weather Rev》，129，1，123-137（2001）·doi:10.1175/1520-0493（2001）129<0123:ASEKFF>2.0.CO；2 [72] 胡，Y。；周，XY，不定随机Riccati方程，SIAM J Control Optim，42，1，123-137（2003）·兹比尔1039.60058 ·doi:10.1137/S0363012901391330 [73] Hutzenthaler，M。；Jentzen，A。；Kloeden，PE，非全局Lipschitz连续系数随机微分方程Euler方法的有限时间强发散和弱发散，Proc R Soc Lond A Math Phys Eng Sci，467，2130，1563-1576（2011）·兹比尔1228.65014 [74] Iglesias MA、Law KJH、Stuart AM（2013），反问题的集合卡尔曼方法。反问题29（4）·Zbl 1311.65064号 [75] 约翰，CJ；Mandel，J.，用于平滑数据同化的两阶段集合卡尔曼滤波器，《环境经济统计》，15，1，101-110（2008）·doi:10.1007/s10651-007-0033-0 [76] Kallianpur，G。；Striebel，C.，连续参数随机过程估计中出现的随机微分方程，理论概率应用，14，4，567-594（1969）·Zbl 0208.43703号 ·数字对象标识代码：10.1137/1114076 [77] RE卡尔曼；Bucy，RS，线性滤波和预测理论的新结果，《基础工程杂志》，83，1，95-108（1961）·数字对象标识代码：10.1115/1.3658902 [78] Kalnay，E.，《大气建模、数据同化和可预测性》（2003），剑桥：剑桥大学出版社，剑桥 [79] 卡拉茨，I。；Shreve，SE，Brownian运动和随机微积分（1996），纽约：Springer，纽约·Zbl 0638.60065号 [80] Karvonen T，Bonnabel S，Moulines E，SärkkäS（2018）关于非线性随机系统一类滤波器的稳定性。arXiv电子打印arXiv：1809.05667·Zbl 1448.37061号 [81] 凯利·D。；法律，KHJ；Stuart，AM，集合卡尔曼滤波器在离散和连续时间的良好性和准确性，非线性，27，10，2579-2603（2014）·Zbl 1305.62323号 ·doi:10.1088/0951-7715/27/10/2579 [82] 凯利·D。；AJ Majda；Tong，XT，具有严格灾难性滤波器发散的混凝土集合卡尔曼滤波器，美国国家科学院院刊，112，34，10589-10594（2015）·doi:10.1073/pnas.1511063112 [83] Kitagawa G（1993）非高斯非线性状态空间模型的蒙特卡罗滤波和平滑方法。摘自：第二届美日统计时间序列分析联合研讨会论文集，第110-131页 [84] 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，《计算图形统计杂志》，5，1，1-25（1996） [85] 科尔曼，M。；Tang，S.，多维倒向随机Riccati方程及其应用，SIAM J Control Optim，41，6，1696-1721（2003）·Zbl 1175.93242号 ·doi:10.1137/S0363012900378760 [86] Krause，GM，矩阵特征值和多项式根的变化边界，线性代数应用，208-209，73-82（1994）·Zbl 0807.15012号 ·doi:10.1016/0024-3795（94）90432-4 [87] Kucera，V.，矩阵二次方程的贡献，IEEE Trans-Autom Control，17，3，344-347（1972）·兹比尔0262.93043 ·doi:10.1109/TAC.1972.1099983 [88] Kunita，H.，马尔可夫过程非线性滤波误差的渐近行为，J Multivar Anal，1,4365-393（1971）·Zbl 0245.93027号 ·doi:10.1016/0047-259X（71）90015-7 [89] Kwakernaak，H。；Sivan，R.，线性最优控制系统（1972），纽约：威利，纽约·Zbl 0276.93001号 [90] Kwiatkowski，E。；Mandel，J.，大集合极限下平方根集合卡尔曼滤波器的收敛性，SIAM/ASA J Uncertain Quantif，3，1，1-17（2015）·Zbl 1329.60083号 ·数字对象标识代码：10.1137/140965363 [91] 兰卡斯特，P。；罗德曼，L.，代数Riccati方程（1995），牛津：牛津大学出版社，牛津·Zbl 0836.15005号 [92] Lange T（2021）具有无界非线性系数的集合Kalman-Bucy滤波器的推导。非线性35（2）·Zbl 1490.60093号 [93] 兰格，T。；Stannat，W.，集合平方根滤波器离散和连续时间的平均场极限，Found Data Sci，3，3563-588（2021）·Zbl 1481.93132号 ·doi:10.3934/fods.2021003 [94] 兰格，T。；Stannat，W.，关于集合卡尔曼滤波器的连续时间限制，数学计算，90，327，233-265（2021）·Zbl 1458.60082号 ·doi:10.1090/com/3588 [95] Lange T，Stannat W（2021）关于集合平方根滤波器的连续时间限制。公共数学科学19（7）·Zbl 1477.93163号 [96] La Scala BF，Bitmead RR，James MR（1995）扩展卡尔曼滤波器稳定性的条件及其在频率跟踪问题中的应用。数学控制信号系统8（1）·Zbl 0843.93074号 [97] 法律，KJH；斯图亚特，AM；Zygalakis，K.，《数据同化：数学介绍》（2015），纽约：施普林格出版社，纽约·Zbl 1353.60002号 ·doi:10.1007/978-3-319-20325-6 [98] 法律，KJH；Tembine，H。；Tempone，R.，确定性平均场集合卡尔曼滤波，SIAM科学计算杂志，38，3，A1251-A1279（2016）·Zbl 1351.60047号 ·doi:10.137/140984415 [99] Le Gland F，Monbet V，Tran VD（2011）集合卡尔曼滤波器的大样本渐近性。摘自：牛津非线性滤波手册第22章，第598-631页·Zbl 1225.93108号 [100] Lee，H。；Lim，Y.，《不变度量、收缩和非线性矩阵方程》，非线性，21，4，857（2008）·兹比尔1153.15020 ·doi:10.1088/0951-7715/21/4/011 [101] 列维，不列颠哥伦比亚省；Zorzi，M.，风险敏感滤波器收敛性的收缩分析，SIAM J Control Optim，54，4，2154-2173（2016）·Zbl 1346.60055号 ·数字对象标识代码：10.1137/15M1043030 [102] 利萨特，KA；罗莎诺娃，J。；Evensen，G.，使用集合卡尔曼滤波器对耦合冰海模型中冰浓度的同化，海洋动力学，53，4，368-388（2003）·doi:10.1007/s10236-003-0049-4 [103] 生活，DM；舞蹈，SL；Nichols，NK，无偏系综平方根滤波器，Physica D，237，8，1021-1028（2008）·Zbl 1147.93413号 ·doi:10.1016/j.physd.2008.01.005 [104] AJ Majda；Harlim，J.，《过滤复杂湍流系统》（2012），剑桥：剑桥大学出版社，剑桥·Zbl 1250.93002号 ·doi:10.1017/CBO9781139061308 [105] AJ Majda；Tong，XT，《大尺寸集合卡尔曼滤波器的性能》，《公共数学科学》，71，5，892-937（2018）·Zbl 1390.93799号 [106] 曼德尔，J。；科布，L。；Beezley，JD，关于集合卡尔曼滤波器的收敛性，应用数学，56，6，533-541（2011）·Zbl 1248.62164号 ·doi:10.1007/s10492-011-0031-2 [107] McKean，HP，与非线性抛物方程相关的一类马尔可夫过程，美国国家科学院院刊，56，61907-2011（1966）·兹伯利0149.13501 ·doi:10.1073/pnas.56.6.1907 [108] 米切尔，HL；波兰Houtekamer；Pellerin，G.，在集合卡尔曼滤波器中的集合大小、平衡和模型误差表示，《Mon Weather Rev》，130，11，2791-2808（2002）·doi:10.1175/1520-0493（2002）130<2791:ESBAME>2.0.CO；2 [109] Molinari，BP，时不变线性二次型最优控制问题，Automatica，13，4，347-357（1977）·Zbl 0359.49001号 ·doi:10.1016/0005-1098（77）90017-6 [110] Naevdal G、Johnsen LM、Aanonsen SI、Vefrin EH（2003），使用集合卡尔曼滤波器进行水库监测和连续模型更新。附：2003年SPE年度技术会议和展览记录，科罗拉多州丹佛 [111] Ocone，D。；Pardoux，E.，最优滤波器相对于其初始条件的渐近稳定性，SIAM J Control Optim，34，1226-243（1996）·Zbl 1035.93508号 ·doi:10.1137/S0363012993256617 [112] Ott，E。；亨特，BR；Szunyogh，我。；子民，AV；德克萨斯州科斯特利奇；科拉扎，M。；Kalnay，E。；帕蒂尔，D。；Yorke，JA，大气数据同化的局部集合卡尔曼滤波器，Tellus A，56，5，415-428（2004）·doi:10.3402/tellusa.v56i5.14462 [113] Oudjane，N。；Rubenthaler，S.，非遍历信号下非线性滤波器的稳定性和均匀粒子近似，Stoch Anal Appl，23，3，421-448（2005）·Zbl 1140.93485号 ·doi:10.1081/SAP-200056643 [114] 帕帕达基斯，N。；梅敏，E。；Cuzol，A。；Gengembre，N.，用加权集合卡尔曼滤波器进行数据同化，Tellus A Dyn Meteorol Oceanogr，62，5，673-697（2010）·doi:10.1111/j.1600-0870.2010.00461.x [115] 帕克，P。；Kailath，T.，DRE解决方案与ARE强解决方案的融合，IEEE Trans Autom Control，42，4，573-578（1997）·Zbl 0876.93087号 ·数字对象标识代码：10.1109/9.566672 [116] Pathiraja，S。；Reich，S。；Stannat，W.，McKean-Vlasov SDEs在非线性滤波中的应用，SIAM J Control Optim，59，6，4188-4215（2021）·兹比尔1474.93223 ·数字对象标识码：10.1137/20M1355197 [117] 波贝尔，M-A；彼得森，IR；Gevers，MR；Bitmead，RR，关于计数方程的杂项结果，J.F.Riccati，IEEE Trans Autom Control，31，7，651-654（1986）·Zbl 0608.34029号 ·doi:10.1109/TAC.1986.1104355 [118] Rebeschini，P。；Van Handel，R.，局部粒子过滤器能战胜维数的诅咒吗？，Ann Appl Probab，25，5，2809-2866（2015）·Zbl 1325.60058号 ·doi:10.1214/14-AAP1061 [119] Reich S（2022）数据同化：基于动态同伦的耦合方法。arXiv电子打印arXiv:2209.05279 [120] Reich，S。；科特，CJ；M.卡伦。；马萨诸塞州弗雷塔格；Kindermann，S。；Scheichl，R.，间歇数据同化的集合滤波技术，大规模反问题：地球科学中的计算方法和应用，91-134（2012），柏林：德格鲁伊特出版社，柏林·Zbl 1291.65032号 [121] Reich，S。；Cotter，CJ，概率预测和贝叶斯数据同化（2015），剑桥：剑桥大学出版社，剑桥·Zbl 1314.62005年 ·doi:10.1017/CBO9781107706804 [122] Reich，S。；Shin，S.，《关于集合变换滤波器公式的一致性》，J Compute Dyn，1，1，177-189（2014）·Zbl 1302.93217号 ·doi:10.3934/jcd.2014.1.177 [123] Reif，K。；冈瑟，S。；Yaz，E。；Unbehauen，R.，连续时间扩展卡尔曼滤波器的随机稳定性，IEE过程控制理论应用，147，1，45-52（2000）·Zbl 0967.93090号 ·doi:10.1049/ip-cta:20000125 [124] Ruzayqat，H。；查达，NK；Jasra，A.，使用集合Kalman-Bucy滤波器对归一化常数进行多级估计，统计计算，32，3，1-25（2022）·Zbl 1493.62548号 ·doi:10.1007/s11222-022-10094-2 [125] 萨科夫，P。；Oke，PR，《集合卡尔曼滤波器的确定性公式：集合平方根滤波器的替代方法》，Tellus A，60，2，361-371（2008）·doi:10.1111/j.1600-0870.2007.00299.x [126] 萨科夫，P。；Oke，PR，集合平方根滤波器中集合变换形式的含义，Mon Weather Rev，136，3，1042-1053（2008）·doi:10.1175/2007MWR2021.1 [127] 席林斯，C。；Stuart，AM，《集合卡尔曼反演的收敛分析：线性噪声情况》，Appl Anal，97，1，107-123（2017）·Zbl 1448.65209号 ·数字标识代码：10.1080/00036811.2017.1386784 [128] 席林斯，C。；Stuart，AM，反问题的集合卡尔曼滤波器分析，SIAM J Numer Ana，55，3，1264-1290（2017）·兹比尔1366.65101 ·doi:10.1137/16M105959X [129] 塞勒，A。；埃文森，G。；Skjervheim，J-A；霍夫，J。；Vab，JG；比格勒，L。；比罗斯，G。；O.加塔斯。；Heinkenschloss，M。；凯斯，D。；马利克，B。；Y.Marzouk。；Tenorio，L。；van Bloemen Waanders，B。；Willcox，K.，《使用EnKF进行复杂油藏模型的历史拟合和不确定性量化，大尺度反演问题和不确定性的量化》，247-271（2010），纽约：威利，纽约·doi:10.1002/9780470685853.ch12 [130] Sinopoli，B。；Schenato，L。；Franceschetti，M。；Poolla，K。；密歇根州约旦；Sastry，SS，带间歇观测的卡尔曼滤波，IEEE Trans Autom Control，49，9，1453-1464（2004）·Zbl 1365.93512号 ·doi:10.1109/TAC.2004.834121 [131] Ström，T.，关于对数范数，SIAM J Numer Ana，12，5，741-753（1975）·Zbl 0321.15012号 ·doi:10.1137/0712055 [132] Taghvaei A，Mehta PG（2016）线性反馈粒子滤波器的最佳传输公式。收件人：2016年美国控制会议（ACC）会议记录，美国波士顿·Zbl 1467.93316号 [133] Taghvaei A，Mehta PG（2023）反馈粒子滤波器和相关受控相互作用粒子系统（CIPS）的调查。arXiv电子打印arXiv:2301.00935 [134] Taghvaei，A。；梅塔，PG；Meyn，SP，反馈粒子滤波器增益函数近似的扩散图算法，SIAM/ASA J Uncertain Quantif，8，3，1090-1117（2020）·Zbl 1451.65225号 ·doi:10.1137/19M124513X [135] Tanwani A，Yufereva O（2020）具有Lipschitz漂移和泊松采样测量的次优滤波器的误差协方差界。Automatica自动化122·Zbl 1453.93236号 [136] 蒂佩特，MK；JL安德森；主教，CH；哈米尔，TM；Whitaker，JS，Ensemble平方根滤波器，《Mon Weather Rev》，131，7，1485-1490（2003）·doi:10.1175/1520-0493（2003）131<1485:ESRF>2.0.CO；2 [137] XT动力钳；AJ的Majda；Kelly，D.，基于集合的卡尔曼滤波器的非线性稳定性和遍历性，非线性，29,2657-691（2016）·Zbl 1334.60060号 ·doi:10.1088/0951-7715/29/2/657 [138] XT动力钳；AJ Majda；Kelly，D.，具有自适应协方差膨胀的集合卡尔曼滤波器的非线性稳定性，《公共数学科学》，14，5，1283-1313（2016）·Zbl 1370.37009号 ·doi:10.4310/CMS.2016.v14.n5.a5 [139] Van Handel，R.，可观测性和非线性滤波，概率论相关领域，145，1-2，35-74（2009）·Zbl 1169.93025号 ·doi:10.1007/s00440-008-0161-y [140] Van Handel，R.，随机环境中条件马尔可夫过程和马尔可夫链的稳定性，Ann Probab，37，5，1876-1925（2009）·Zbl 1178.93142号 [141] Van Handel，R.，Monte Carlo粒子滤波器的均匀时间平均一致性，Stoch过程及其应用，119，11，3835-3861（2009）·Zbl 1176.93076号 ·doi:10.1016/j.spa.2009.09.004 [142] JS惠特克；Hamill，TM，《无扰动观测的集合数据同化》，《Mon Weather Rev》，第130期，第7期，1913-1924年（2002年）·doi:10.1175/1520-0493（2002）130<1913:EDAWPO>2.0.CO；2 [143] Whiteley，N.，《一些颗粒过滤器的稳定性》，Ann Appl Probab，23，6，2500-2537（2013）·Zbl 1296.60098号 ·doi:10.1214/12-AAP909 [144] Yang，T。；劳格森，RS；梅塔，PG；Meyn，SP，多变量反馈颗粒过滤器，Automatica，71，10-23（2016）·Zbl 1343.93088号 ·doi:10.1016/j.automatica.2016.04.019 [145] 张，C。；Taghvaei，A。；Mehta，PG，用于全局优化的平均场最优控制公式，IEEE Trans-Autom control，64，1，282-289（2018）·Zbl 1423.93424号 ·doi:10.1109/TAC.2018.2833060 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。