W zasadniczym artykule „Rao-Blackwellised Particle Filtering for Dynamic Bayesian Networks” A. Douceta i in. glin. zaproponowano sekwencyjny filtr Monte Carlo (filtr cząstek), który wykorzystuje liniową podkonstrukcję w procesie Markowa x k = ( x L k , x N k ) . Przez marginalizacji tej liniowej struktury filtru może być podzielona na dwie części: część nieliniowe, które stosuje się filtr cząstek stałych, i jednej części liniowe, które mogą być obsługiwane przez filtr Kalmana (uwarunkowanym na części nieliniowej x N k ).
Rozumiem część dotyczącą marginalizacji (a czasami opisany filtr nazywany jest również filtrem marginalizowanym). Moją intuicją, dlaczego nazywa się to Rao-Blackwellized Particle Filter (RBPF), jest to, że parametry Gaussa są wystarczającą statystyką dla leżącego u podstaw procesu liniowego, a na podstawie twierdzenia Rao-Blackwella estymator uwarunkowany tymi parametrami działa co najmniej tak dobrze jako estymator próbkowania.
Estymator Rao-Blackwella jest zdefiniowany jako . W tym kontekście zgaduję, że δ ( X ) jest estymatorem Monte Carlo, δ 1 ( X ) RBPF, a T ( X ) parametryzacja gaussa . Mój problem polega na tym, że nie widzę, gdzie jest to rzeczywiście zastosowane w papierze.
Dlaczego nazywa się to Rao-Blackwellized Particle Filter i gdzie tak naprawdę ma miejsce Rao-Blackwellization?