Das Kalman-Filter ist ein Algorithmus zum Schätzen des mittleren Vektors und der Varianz-Kovarianz-Matrix des unbekannten Zustands in einem Zustandsraummodell.
Angesichts aller guten Eigenschaften von Zustandsraummodellen und KF frage ich mich: Was sind die Nachteile der Zustandsraummodellierung und der Verwendung von Kalman-Filtern (oder EKF-, UKF- oder Partikelfiltern) zur Abschätzung? Sagen wir mal konventionelle Methoden wie ARIMA, VAR oder Ad-hoc / heuristische Methoden. Sind sie schwer zu kalibrieren? Sind sie kompliziert …
Ein Partikelfilter und ein Kalman-Filter sind beide rekursive Bayes'sche Schätzer . Ich treffe auf meinem Gebiet häufig auf Kalman-Filter, sehe aber sehr selten die Verwendung eines Partikelfilters. Wann würde einer über den anderen eingesetzt werden?
Ich berechne einen sehr einfachen Kalman-Filter (Random Walk + Noise Model). Ich finde, dass die Ausgabe des Filters einem gleitenden Durchschnitt sehr ähnlich ist. Gibt es eine Äquivalenz zwischen den beiden? Wenn nicht, was ist der Unterschied?
\newcommand{\P}{\mathbb{P}}Wir haben einen zufälligen Prozess, der in einem festgelegten Zeitraum mehrmals auftreten kann oder auch nicht . Wir haben einen Datenfeed von einem bereits existierenden Modell dieses Prozesses, der die Wahrscheinlichkeit für eine Anzahl von Ereignissen in der Periode liefert . Dieses bestehende Modell ist alt und wir müssen die …
Hier ist meine alte Frage Ich möchte fragen, ob jemand den Unterschied (falls vorhanden) zwischen Hidden Markov-Modellen (HMM) und Partikelfilter (PF) und folglich Kalman-Filter kennt oder unter welchen Umständen wir welchen Algorithmus verwenden. Ich bin Student und muss ein Projekt machen, aber zuerst muss ich einige Dinge verstehen. Entsprechend der …
Ich habe kürzlich einen Kalman-Filter am einfachen Beispiel der Messung einer Partikelposition mit einer zufälligen Geschwindigkeit und Beschleunigung implementiert. Ich habe festgestellt, dass der Kalman-Filter gut funktioniert, habe mich dann aber gefragt, was der Unterschied zwischen diesem und einem gleitenden Durchschnitt ist. Ich habe festgestellt, dass bei Verwendung eines Fensters …
Ich habe einen Code geschrieben, der die Kalman-Filterung (unter Verwendung einer Reihe verschiedener Kalman-Filter [Information Filter et al.]) Für die lineare Gaußsche Zustandsraumanalyse für einen n-dimensionalen Zustandsvektor durchführen kann. Die Filter funktionieren sehr gut und ich bekomme eine schöne Ausgabe. Die Parameterschätzung über die Loglikelihood-Schätzung verwirrt mich jedoch. Ich bin …
Ich habe eine Flugbahn eines Objekts in einem 2D-Raum (einer Oberfläche). Die Flugbahn wird als eine Folge von (x,y)Koordinaten angegeben. Ich weiß, dass meine Messungen laut sind und ich manchmal offensichtliche Ausreißer habe. Also möchte ich meine Beobachtungen filtern. Soweit ich Kalman Filter verstanden habe, tut es genau das, was …
Ich möchte Bootstrapping verwenden, um Konfidenzintervalle für geschätzte Parameter aus einem Panel-Datensatz mit N = 250 Unternehmen und T = 50 Monaten zu schätzen. Die Schätzung von Parametern ist aufgrund der Verwendung der Kalman-Filterung und der komplexen nichtlinearen Schätzung rechenintensiv (wenige Tage Berechnung). Daher ist es rechnerisch nicht möglich, (mit …
Ich benutze den Kalman-Filter ganz normal. Das System wird durch die Zustandsgleichung und die Beobachtungsgleichung .xt + 1= F.xt+ vt + 1xt+1=F.xt+vt+1x_{t+1}=Fx_{t}+v_{t+1}yt= H.xt+ A zt+ wtyt=H.xt+EINzt+wty_{t}=Hx_{t}+Az_{t}+w_{t} Lehrbücher lehren, dass wir nach dem Anwenden des Kalman-Filters und dem Abrufen der "One-Step-Ahead-Prognosen" (oder "gefilterte Schätzung") diese verwenden sollten, um die Wahrscheinlichkeitsfunktion zu …
Ich bin daran interessiert, wie Kalman-Filter verwendet werden können, um fehlende Werte in Zeitreihendaten zu unterstellen. Ist es auch anwendbar, wenn einige aufeinanderfolgende Zeitpunkte fehlen? Ich kann zu diesem Thema nicht viel finden. Alle Erklärungen, Kommentare und Links sind willkommen und geschätzt!
Welche Vorteile bietet es, ein ARMA-Modell als Zustandsraummodell auszudrücken und Prognosen mit einem Kalman-Filter durchzuführen? Diese Methode wird beispielsweise bei der SARIMAX-Implementierung von Python-Statistikmodellen verwendet: https://github.com/statsmodels/statsmodels/tree/master/statsmodels/tsa/statespace
Welche Schritte sind bei der Verwendung von Kalman-Filtern in Zustandsraummodellen erforderlich? Ich habe einige verschiedene Formulierungen gesehen, bin mir aber über die Details nicht sicher. Zum Beispiel beginnt Cowpertwait mit diesem Satz von Gleichungen: yt=F′tθt+vtyt=Ft′θt+vty_{t} = F^{'}_{t}\theta_{t}+v_{t} θt=Gtθt−1+wtθt=Gtθt−1+wt\theta_{t} = G_{t}\theta_{t-1}+w_{t} wobei und , sind unsere unbekannten Schätzungen und sind die …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.