非紧状态空间中递归蒙特卡罗滤波器的收敛性

@文章{Lei2012OnCO，title={关于非紧状态空间中递归蒙特卡罗滤波器的收敛}，author={Jing Lei和Peter J.Bickel}，journal={统计Sinica}，年份={2012}，网址={https://api.semanticscholar.org/CorpusID:315713}}
结果表明，现有的一组有效的滤波器稳定性条件对于粒子滤波器的收敛也是有效的，只需稍作修改，并且给出了收敛速度，它取决于样本大小和过渡核的尾部行为。
通过Publisher查看
stat.cmu.edu
2引文
背景引文
1

2引文

部分观测混沌动力系统滤波分布的长时间渐近性

这项工作在$\Psi$和$P$上建立了条件，在这些条件下，滤波分布集中在小噪声、长时间渐近状态下的信号周围。

复合干扰滤波：一种适用于多源、异构和异构干扰系统的新状态估计方案

状态估计一直是信号处理和控制领域的一个基本问题。主要挑战是设计能够抑制或衰减各种干扰的滤波器。使用…

27参考文献

非线性滤波器稳定性和一致粒子近似的鲁棒化方法：伪混合信号示例

状态空间模型基于粒子滤波的最大似然估计量的渐近性质

离散时间滤波器的一致逼近

本文证明了某些粒子滤波器一致收敛的滤波器应用的容易验证的条件。

基于HILBERT度量的非线性滤波器的稳定性和一致逼近及其在粒子滤波器中的应用

稳定性结果用于证明在某些混合假设下，多个粒子滤波器（如交互粒子滤波器和其他原始粒子滤波器）一致收敛到最优滤波器。

蒙特卡罗粒子滤波器的一致时间平均一致性

带序贯参数学习的实用滤波

本文开发了一种基于仿真的方法，用于一般状态空间模型中的序列参数学习和滤波，该方法通过混合固定滞后平滑分布来逼近目标后验，避免了粒子重加权，从而避免了困扰使用序列粒子滤波器的样本简并问题重要性抽样。

基于仿真滤波中的参数和状态组合估计

动态模型的序贯贝叶斯分析的基于仿真的方法最近和当前的大部分兴趣都集中在改进的时变状态向量滤波方法上，如本卷所述。

粒子滤波在最大似然参数估计中的应用

这一贡献研究了基于梯度或EM（期望最大化）技术的最大似然估计方法，并表明最近提出的几种方法具有共同的特点，即要求近似隐藏状态和泛函的期望，有条件地基于所有可用的观测结果。

递归蒙特卡罗滤波器

结果表明，在较强的条件下，所需的样本大小与观测序列的长度、大数定律和这些蒙特卡罗滤波器的中心极限定理无关，这些蒙特卡罗·滤波器只需要弱条件的简单归纳参数。

交互过程的稳定性及其在滤波和遗传算法中的应用