• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Information Fusion >Optimum Kernel Particle Filter for Asymmetric Laplace Noise in Multivariate Models
【24h】

Optimum Kernel Particle Filter for Asymmetric Laplace Noise in Multivariate Models

机译：多元模型中非对称拉普拉斯噪声的最优核粒子滤波器

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper we present on-line Bayesian filtering methods for non-linear multivariate time series models corrupted by generalised asymmetric Laplace noise. We derive the optimum kernel for a particle filter applied to multivariate non-linear state-space models with scalar observations, where the observation noise is additive and asymmetric Laplacian. We show that sampling from this multivariate kernel is tractable using commonly available methods for use in particle filters, and that its associated likelihood can be evaluated. A particle filter is implemented for a test case using the developed kernel, and its performance is compared to that of a traditional bootstrap filter. The proposed methods show potential for application to systems with heavy-tailed skew noise.
机译：在本文中，我们提出了针对非线性多元时间序列模型的在线贝叶斯滤波方法，该模型被广义不对称拉普拉斯噪声破坏。我们推导了适用于带有标量观测值的多元非线性状态空间模型的粒子滤波器的最优核，其中观测噪声为加性且为非对称拉普拉斯算子。我们表明，使用粒子过滤器中常用的方法，可以从该多元核中进行采样，并且可以评估其关联的可能性。使用开发的内核为测试案例实现了粒子过滤器，并将其性能与传统的自举过滤器进行了比较。所提出的方法显示出可用于重尾偏噪​​的系统的潜力。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号