贝叶斯条件蒙特卡罗算法用于序列单目标和多目标滤波
摘要：贝叶斯过滤旨在从观测到的数据中序列地追踪隐藏的过程。特别地，顺序蒙特卡洛（SMC）技术在时间上传播加权轨迹，这些轨迹表示给定可用观测的隐藏过程的后验概率密度函数（pdf）。另一方面，条件蒙特卡洛（CMC）是一种方差减小技术，它用给定另一个变量的条件期望替代感兴趣矩的估计。本文中我们展示了，在一些调整后的情况下，可以利用SMC算法的时间递归性质来提出一些隐藏过程的自然时间CMC估计值。这些估计值在样本数量上优于相关的粗糙蒙特卡洛（MC）估计值。接下来，我们展示了我们的贝叶斯CMC估计值可以在一些隐藏马尔可夫链（HMC）模型、一些跳跃马尔可夫状态空间系统（JMSS）以及多目标过滤中精确计算或高效逼近。最后，我们通过模拟验证了我们的算法。
作者：Yohan Petetin and Franc{c}ois Desbouvries
论文ID：1210.5277
分类：Computation
分类简称：stat.CO
提交时间：2012-10-22