递归最大似然辨识跳变马尔可夫非线性系统
摘要：在线方法用于跳跃马尔可夫非线性系统（JMNLS）中的状态和参数联合估计。采用粒子滤波器实现状态推断，使该方法适用于广泛的非线性模型。为了利用JMNLS的固有结构，我们设计了一个Rao-Blackwellized粒子滤波器（RBPF），其中离散模式通过解析边际化。这导致算法的有效实施并降低估计误差方差。提出的RBPF然后用于以时间递归方式计算完整数据充分统计的平滑估计。结合在线期望最大化算法，这使得可以对未知模型参数进行递归识别。该方法的性能在模拟和使用真实数据的无线网络定位问题中进行了说明。
作者：Emre "Ozkan, Fredrik Lindsten, Carsten Fritsche, Fredrik Gustafsson
论文ID：1312.0781
分类：Computation
分类简称：stat.CO
提交时间：2013-12-04