我有一个类似于卡尔曼滤波器中的状态空间模型的问题,但是是随机的。的元素是具有给定分布的独立同分布随机变量。是否可以使用卡尔曼滤波器来解决这个问题?如果已经使用,请提供参考。
上面是已知协方差矩阵的高斯分布的噪声向量,是系统在时间的状态,的观察。状态 tarnsision 由给出,其中是已知矩阵,是具有已知协方差的高斯噪声,也是已知矩阵,是高斯分布随机输入。
非常感谢。
我有一个类似于卡尔曼滤波器中的状态空间模型的问题,但是是随机的。的元素是具有给定分布的独立同分布随机变量。是否可以使用卡尔曼滤波器来解决这个问题?如果已经使用,请提供参考。
上面是已知协方差矩阵的高斯分布的噪声向量,是系统在时间的状态,的观察。状态 tarnsision 由给出,其中是已知矩阵,是具有已知协方差的高斯噪声,也是已知矩阵,是高斯分布随机输入。
非常感谢。
非常有趣的问题!
我不知道你为什么不能这样做,但我很难找到一个例子。我终于找到了这篇论文,它分析了由于通信系统中的传输延迟/错误而导致测量值随机丢失时会发生什么。
他们报告的主要问题是误差协方差矩阵迭代现在是随机的而不是确定的(如在通常的卡尔曼滤波器公式中)。