Pytania otagowane jako kalman-filter

Filtr Kalmana to algorytm szacowania wektora średniego i macierzy wariancji-kowariancji nieznanego stanu w modelu przestrzeni stanów.

5
Jakie są wady modeli przestrzeni stanów i filtra Kalmana do modelowania szeregów czasowych?
Biorąc pod uwagę wszystkie dobre właściwości modeli przestrzeni stanów i KF, zastanawiam się - jakie są wady modelowania przestrzeni stanów i używania filtra Kalmana (lub EKF, UKF lub filtra cząstek) do oszacowania? Ponad, powiedzmy, konwencjonalne metodologie, takie jak ARIMA, VAR lub metody ad-hoc / heurystyczne. Czy trudno je skalibrować? Czy …



2
Zmienić modelowanie procesu za pomocą rozkładu Poissona, aby zastosować ujemny rozkład dwumianowy?
\newcommand{\P}{\mathbb{P}} Mamy procesu losowego, które mogą, albo nie, może wystąpić wiele razy w zadanym okresie czasu . Mamy plik danych z wcześniej istniejącego modelu tego procesu, który zapewnia prawdopodobieństwo wystąpienia wielu zdarzeń w okresie 0 \ leq t <T . Ten istniejący model jest stary i musimy przeprowadzać bieżące kontrole …


1
Różnica między ukrytymi modelami Markowa a filtrem cząstek (i filtrem Kalmana)
Oto moje stare pytanie Chciałbym zapytać, czy ktoś zna różnicę (jeśli istnieje jakakolwiek różnica) między modelami Hidden Markov (HMM) a Particle Filter (PF), aw konsekwencji Filtrem Kalmana, lub w jakich okolicznościach korzystamy z którego algorytmu. Jestem studentem i muszę zrobić projekt, ale najpierw muszę zrozumieć niektóre rzeczy. Tak więc, zgodnie …

2
Kiedy filtr Kalmana da lepsze wyniki niż zwykła średnia ruchoma?
Niedawno wdrożyłem filtr Kalmana na prostym przykładzie pomiaru położenia cząstek z losową prędkością i przyspieszeniem. Odkryłem, że filtr Kalmana działa dobrze, ale zadałem sobie pytanie, jaka jest różnica między tym a zwykłą średnią ruchomą? Odkryłem, że jeśli użyję okna z około 10 próbek, których średnia ruchoma przewyższa filtr Kalmana, i …

1
Estymacja parametru LogLikelihood dla liniowego Gaussowskiego filtra Kalmana
Napisałem kod, który potrafi filtrować Kalmana (używając wielu różnych filtrów typu Kalmana [Information Filter i in.]) Dla liniowej analizy przestrzeni stanu gaussowskiego dla n-wymiarowego wektora stanu. Filtry działają świetnie i otrzymuję niezłą wydajność. Jednak oszacowanie parametru za pomocą oszacowania wiarygodności logicznej mnie dezorientuje. Nie jestem statystykiem, ale fizykiem, więc proszę …

2
Jak korzystać z filtra Kalmana?
Mam trajektorię obiektu w przestrzeni 2D (powierzchni). Trajektoria jest podana jako ciąg (x,y)współrzędnych. Wiem, że moje pomiary są hałaśliwe i czasami mam oczywiste wartości odstające. Chcę więc odfiltrować moje obserwacje. O ile rozumiem filtr Kalmana, robi dokładnie to, czego potrzebuję. Więc próbuję go użyć. Znalazłem tutaj implementację Pythona . A …

2
Czy możemy użyć próbek bootstrap, które są mniejsze niż próbka oryginalna?
Chcę użyć ładowania początkowego, aby oszacować przedziały ufności dla szacowanych parametrów z zestawu danych panelu z N = 250 firmami i T = 50 miesiącami. Oszacowanie parametrów jest drogie obliczeniowo (kilka dni obliczeń) ze względu na zastosowanie filtrowania Kalmana i złożonej estymacji nieliniowej. Dlatego pobieranie (z zastąpieniem) próbek B (w …


3
Dlaczego prawdopodobieństwo w filtrze Kalmana jest obliczane przy użyciu wyników filtru zamiast wyników płynniejszych?
Używam filtra Kalmana w bardzo standardowy sposób. System jest reprezentowany przez równanie stanu i równanie obserwacyjne .xt + 1= F.xt+ vt + 1xt+1=faxt+vt+1x_{t+1}=Fx_{t}+v_{t+1}yt= Hxt+ A zt+ wtyt=H.xt+ZAzt+wty_{t}=Hx_{t}+Az_{t}+w_{t} Podręczniki uczą, że po zastosowaniu filtru Kalmana i uzyskaniu „prognoz o jeden krok do przodu” (lub „filtrowanego oszacowania”), powinniśmy użyć ich do obliczenia …

2
Reprezentacja ARMA w przestrzeni stanu (p, q) z Hamiltona
r=max(p,q+1)r=max(p,q+1)r = \max(p,q+1)yt−μ=ϕ1(yt−1−μ)+ϕ2(yt−2−μ)+...+ϕ3(yt−3−μ)+ϵt+θ1ϵt−1+...+θr−1ϵt−r+1.yt−μ=ϕ1(yt−1−μ)+ϕ2(yt−2−μ)+...+ϕ3(yt−3−μ)+ϵt+θ1ϵt−1+...+θr−1ϵt−r+1. \begin{aligned} y_t -\mu &= \phi_1(y_{t-1} -\mu) + \phi_2(y_{t-2} -\mu) + ... + \phi_3(y_{t-3} -\mu) \\ &+ \epsilon_t + \theta_1\epsilon_{t-1} + ... + \theta_{r-1}\epsilon_{t-r+1}. \end{aligned} ξt+1=⎡⎣⎢⎢⎢⎢ϕ11⋮0ϕ20⋮0…………ϕr−1001ϕr000⎤⎦⎥⎥⎥⎥ξt+⎡⎣⎢⎢⎢⎢ϵt+10⋮0⎤⎦⎥⎥⎥⎥ξt+1=[ϕ1ϕ2…ϕr−1ϕr10…00⋮⋮…0000…10]ξt+[ϵt+10⋮0] \xi_{t+1} = \begin{bmatrix} \phi_1 & \phi_2 & \dots & \phi_{r-1} & \phi_r \\ 1 & 0 & \dots & 0 & 0 …


1
Wyjaśnienie filtrów Kalmana w modelach przestrzeni stanów
Jakie są kroki związane z użyciem filtrów Kalmana w modelach przestrzeni stanów? Widziałem kilka różnych sformułowań, ale nie jestem pewien szczegółów. Na przykład Cowpertwait zaczyna się od następującego zestawu równań: yt= F.′tθt+ vtyt=fat′θt+vty_{t} = F^{'}_{t}\theta_{t}+v_{t} θt= Gtθt - 1+ wtθt=soltθt-1+wt\theta_{t} = G_{t}\theta_{t-1}+w_{t} gdzie i , \ theta_ {t} to nasze …

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.