自适应粒子滤波器性能研究
摘要：一类粒子滤波器的性能调研：自动调整计算复杂性，通过在线评估一类状态空间模型的不变预测统计量。具体而言，我们提出了一种基于Elvira等人（2017年）方法的自适应块粒子滤波器族。在这类算法中，蒙特卡洛样本（称为粒子）的数量周期性调整，并且我们证明了滤波器的理论误差界随粒子数的更新而自适应。核心方法的预测统计量的评估通过生成虚拟观测，即观测空间中的粒子来完成。我们在理论和数值上研究了这些粒子数K对算法性能的影响。特别是，我们证明了如果使用K个虚拟观测的预测统计量完全收敛，那么滤波分布的粒子逼近将与真实滤波器的一系列矩的前K个元素相匹配。这一结果可以理解为粒子滤波器收敛定理的逆定理。在这个分析中，我们推导了一种替代的预测统计量，可以在某些模型中计算，而无需采样虚拟观测。最后，我们进行了一项广泛的仿真研究，以说明理论结果，并对新型算法的复杂性、性能和行为提供进一步的了解。
作者：V''ictor Elvira, Joaqu''in M''iguez, and Petar M. Djuri''c
论文ID：1911.01383
分类：Computation
分类简称：stat.CO
提交时间：2021-04-26