摘要
本文讨论序贯蒙特卡罗方法中的方差估计,也称为粒子滤波器。我们提出的方差估计是H.P.Chan和T.L.Lai建议的方差估计的自然修正[安。统计师。 41(2013)2877–2904],它允许通过追踪粒子的谱系历史,在单个粒子过滤器运行中估计方差。然而,由于粒子谱系退化,随着连续粒子更新次数的增加,上述工作的估计器在数值上变得不稳定。因此,通过仅追踪粒子谱系的一部分而非全部,我们的估计器以偏差为代价获得了长期数值稳定性。系谱追踪的范围由滞后调节,在温和、易于检查的模型假设下,我们证明,随着滞后的增加,偏差在几何上趋于零。正如我们的数值结果所证实的那样,对于中等粒度的样品,这也允许严格控制偏差。
引用
下载引文
吉米·奥尔森。
兰达尔·杜克。
“粒子滤波器方差的数值稳定在线估计。”
伯努利
25
(2)
1504 - 1535,
2019年5月。
https://doi.org/10.3150/18-BEJ1028
问询处
接收日期:2017年1月1日;修订日期:2017年10月1日;发布日期:2019年5月
首次在欧几里得项目中提供:2019年3月6日
数字对象标识符:10.3150/18-BEJ1028
关键词:渐近方差,Feynman–Kac模型,隐马尔可夫模型,颗粒过滤器,序贯蒙特卡罗方法,状态空间模型,方差估计
版权所有©2019伯努利数理统计与概率学会