Population Monte Carlo and Adaptive Importance Sampling in particle filter

• Autorzy: Kozierski P.

Warianty tytułu

PL

Populacja Monte Carlo i Adaptacyjna Funkcja Ważności w filtrze cząsteczkowym

• Języki publikacji: EN

Abstrakty

EN

Population Monte Carlo and Adaptive Importance Sampling methods have been presented and compared in the paper. The impact of parameters on the estimation quality of the plant also has been studied.

PL

W artykule przedstawiono i porównano metody Populacja Monte Carlo oraz Adaptacyjna Funkcja Ważności. Sprawdzono również wpływ parametrów tych metod na jakość estymacji stanu obiektu.

Słowa kluczowe

EN

particle filtering; population Monte Carlo; adaptive importance sampling

PL

filtr cząsteczkowy; populacja Monte Carlo; adaptacyjna funkcja ważności

• Wydawca: Poznańskie Towarzystwo Przyjaciół Nauk
• Czasopismo: Studia z Automatyki i Informatyki
• Rocznik: 2014
• Tom: T. 39
• Strony: 33--41
• Opis fizyczny: Bibliogr. 9 poz., rys.

Twórcy

autor

Kozierski P.

• Poznan University of Technology, Faculty of Electrical Engineering, Institute of Control and Information Engineering, Piotrowo 3a street, 60-965 Poznan

Bibliografia

• [1] Arulampalam S., Maskell S., Gordon N., Clapp T., A Tutorial on Particle Filters for Online Nonlinear/Non-Gaussian Bayesian Tracking, IEEE Transactions on Signal Processing, Vol. 50(2), 2002, pp. 174-188.
• [2] Candy J. V., Bayesian signal processing, WILEY, New Jersey 2009, pp. 36-44, 237-298.
• [3] Cappe O., Guillin A., Marin J. M., Robert C. P., Population Monte Carlo, Journal of Computational and Graphical Statistics, Vol. 13(4), 2004, pp. 907-929.
• [4] Doucet A., Freitas N., Gordon N., Sequential Monte Carlo Methods in Practice, Springer-Verlag, New York 2001, pp. 225-246.
• [5] Gordon N. J., Salmond D. J., Smith A. F. M., Novel approach to nonlinear/non-Gaussian Bayesian state estimation, IEE Proceedings F - Radar and Signal Processing, Vol. 140(2), 1993, pp. 107-113.
• [6] Kozierski P., Lis M., Ziętkiewicz J., Resampling in Particle Filtering - Comparison, Studia z Automatyki i Informatyki, Vol. 38, 2013, pp. 35-64.
• [7] Schon T. B., Wills A., Ninness B., System Identification of Nonlinear State-space Models, Automatica, Vol. 47(1), 2011, pp. 39-49.
• [8] Šmídl V., Hofman R., Adaptive Importance Sampling in Particle Filtering, In Information Fusion, 16th International Conference on (FUSION), 2013, pp. 9-16.
• [9] Thrun S., Burgard W., Fox D., Probabilistic robotics, MIT Press, Cambridge, MA, 2005, pp. 67-90.