将给出的论文标题翻译为中文： "将前向粒子滤波，反向抽样和Metropolized粒子平滑器的Rao-Blackwell化应用于Metropolized粒子消除算法"
摘要：状态空间模型中的平滑涉及计算给定观测量下潜在状态轨迹的条件分布，或者计算与此分布相关的状态轨迹的函数期望。对于非线性高斯模型或具有有限状态空间的模型，平滑分布通常无法计算，因为它们涉及到至少与观测量数量相等维度的积分。近年来，基于蒙特卡罗方法进行平滑的兴趣增加，通常涉及到粒子滤波器。其中一种方法是用粒子滤波器来近似滤波分布，然后使用反向核函数在粒子谱上进行反向模拟。我们表明，通过将这个过程与决定是否接受提议轨迹的Metropolis-Hastings步骤相结合，可以获得一个马尔可夫链蒙特卡罗方案，其平稳分布是精确的平滑分布。我们还表明，在这个过程中，反向抽样可以被反向平滑替代，这实际上意味着对所有可能的轨迹进行平均。在一个例子中，我们将这些方法与Andrieu、Doucet和Holenstein最近提出的类似方法进行比较，并展示新方法在精密度（逆方差）每个计算时间方面可能更高效。
作者：Jimmy Olsson and Tobias Ryd''en
论文ID：1011.2153
分类：Computation
分类简称：stat.CO
提交时间：2010-11-10