Filtr Kalmana to algorytm szacowania wektora średniego i macierzy wariancji-kowariancji nieznanego stanu w modelu przestrzeni stanów.
Biorąc pod uwagę wszystkie dobre właściwości modeli przestrzeni stanów i KF, zastanawiam się - jakie są wady modelowania przestrzeni stanów i używania filtra Kalmana (lub EKF, UKF lub filtra cząstek) do oszacowania? Ponad, powiedzmy, konwencjonalne metodologie, takie jak ARIMA, VAR lub metody...
Filtr cząstek , a filtr Kalmana są zarówno rekurencyjne Bayesa estymatory . Często spotykam filtry Kalmana w mojej dziedzinie, ale bardzo rzadko widzę użycie filtra cząstek. Kiedy jeden z nich będzie
Obliczam bardzo prosty filtr Kalmana (model chodzenia losowego + szum). Uważam, że wydajność filtra jest bardzo podobna do średniej ruchomej. Czy istnieje równoważność między nimi? Jeśli nie, jaka jest
\newcommand{\P}{\mathbb{P}} Mamy procesu losowego, które mogą, albo nie, może wystąpić wiele razy w zadanym okresie czasu . Mamy plik danych z wcześniej istniejącego modelu tego procesu, który zapewnia prawdopodobieństwo wystąpienia wielu zdarzeń w okresie 0 \ leq t <T . Ten istniejący model...
Czy ktoś ma dobry przykład prognozowania / wygładzania szeregów czasowych za pomocą Kalmana Filter w
Oto moje stare pytanie Chciałbym zapytać, czy ktoś zna różnicę (jeśli istnieje jakakolwiek różnica) między modelami Hidden Markov (HMM) a Particle Filter (PF), aw konsekwencji Filtrem Kalmana, lub w jakich okolicznościach korzystamy z którego algorytmu. Jestem studentem i muszę zrobić projekt, ale...
Niedawno wdrożyłem filtr Kalmana na prostym przykładzie pomiaru położenia cząstek z losową prędkością i przyspieszeniem. Odkryłem, że filtr Kalmana działa dobrze, ale zadałem sobie pytanie, jaka jest różnica między tym a zwykłą średnią ruchomą? Odkryłem, że jeśli użyję okna z około 10 próbek,...
Napisałem kod, który potrafi filtrować Kalmana (używając wielu różnych filtrów typu Kalmana [Information Filter i in.]) Dla liniowej analizy przestrzeni stanu gaussowskiego dla n-wymiarowego wektora stanu. Filtry działają świetnie i otrzymuję niezłą wydajność. Jednak oszacowanie parametru za pomocą...
Mam trajektorię obiektu w przestrzeni 2D (powierzchni). Trajektoria jest podana jako ciąg (x,y)współrzędnych. Wiem, że moje pomiary są hałaśliwe i czasami mam oczywiste wartości odstające. Chcę więc odfiltrować moje obserwacje. O ile rozumiem filtr Kalmana, robi dokładnie to, czego potrzebuję....
Chcę użyć ładowania początkowego, aby oszacować przedziały ufności dla szacowanych parametrów z zestawu danych panelu z N = 250 firmami i T = 50 miesiącami. Oszacowanie parametrów jest drogie obliczeniowo (kilka dni obliczeń) ze względu na zastosowanie filtrowania Kalmana i złożonej estymacji...
Interesuje mnie, w jaki sposób można zastosować filtry Kalmana do przypisania brakujących wartości w danych szeregów czasowych. Czy ma to również zastosowanie, jeśli brakuje kilku kolejnych punktów czasowych? Nie mogę znaleźć dużo na ten temat. Wszelkie wyjaśnienia, komentarze i linki są mile...
Używam filtra Kalmana w bardzo standardowy sposób. System jest reprezentowany przez równanie stanu i równanie obserwacyjne .xt + 1= F.xt+ vt + 1xt+1=faxt+vt+1x_{t+1}=Fx_{t}+v_{t+1}yt= Hxt+ A zt+ wtyt=H.xt+ZAzt+wty_{t}=Hx_{t}+Az_{t}+w_{t} Podręczniki uczą, że po zastosowaniu filtru Kalmana i...
r=max(p,q+1)r=max(p,q+1)r = \max(p,q+1)yt−μ=ϕ1(yt−1−μ)+ϕ2(yt−2−μ)+...+ϕ3(yt−3−μ)+ϵt+θ1ϵt−1+...+θr−1ϵt−r+1.yt−μ=ϕ1(yt−1−μ)+ϕ2(yt−2−μ)+...+ϕ3(yt−3−μ)+ϵt+θ1ϵt−1+...+θr−1ϵt−r+1. \begin{aligned} y_t -\mu &= \phi_1(y_{t-1} -\mu) + \phi_2(y_{t-2} -\mu) + ... + \phi_3(y_{t-3} -\mu) \\ &+ \epsilon_t +...
Jakie są kroki związane z użyciem filtrów Kalmana w modelach przestrzeni stanów? Widziałem kilka różnych sformułowań, ale nie jestem pewien szczegółów. Na przykład Cowpertwait zaczyna się od następującego zestawu równań: yt= F.′tθt+ vtyt=fat′θt+vty_{t} = F^{'}_{t}\theta_{t}+v_{t} θt= Gtθt - 1+...
Jakie są zalety wyrażania modelu ARMA jako modelu przestrzeni stanów i przeprowadzania prognozowania przy użyciu filtra Kalmana? Metodologia ta jest na przykład stosowana w implementacji SARIMAX w
Kiedy zacząłem czytać o filtrze Kalmana, pomyślałem, że jest to specjalny przypadek modelu ARIMA (a mianowicie ARIMA (0,1,1)). Ale tak naprawdę wydaje się, że sytuacja jest bardziej skomplikowana. Przede wszystkim ARIMA może być używana do przewidywania, a filtr Kalmana służy do filtrowania. Ale...
Modele monet tendencyjnych mają zwykle jeden parametr . Jednym ze sposobów oszacowania z serii losowań jest użycie wcześniejszej wersji beta i obliczenie rozkładu tylnej z prawdopodobieństwem dwumianowym.θθ = P( Head | θ )θ=P(Head|θ)\theta = P(\text{Head} | \theta)θθ\theta W moich ustawieniach, z...
P: Dla jakich danych właściwe jest stosowanie modelowania w przestrzeni stanów i filtrowania Kalmana zamiast wygładzania splajnów i odwrotnie? Czy istnieje jakaś relacja równoważności między nimi? Próbuję uzyskać ogólne zrozumienie, w jaki sposób te metody pasują do siebie. Przeglądałem nowe...
W poprzednim pytaniu zapytałem o dopasowanie rozkładów do niektórych niegaussowskich danych empirycznych. Zasugerowano mi offline, że mogę spróbować założyć, że dane są gaussowskie i najpierw dopasować filtr Kalmana. Następnie, w zależności od błędów, zdecyduj, czy warto opracować coś bardziej...
Załóżmy, że mam jedną próbkę częstotliwości 4 możliwych zdarzeń: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 i mam spodziewane prawdopodobieństwo wystąpienia moich zdarzeń: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Dzięki sumie obserwowanych częstotliwości moich czterech zdarzeń (18) mogę obliczyć oczekiwane...