Bayesian Kalman filtering with elliptically contoured errors
椭圆轮廓误差下的贝叶斯卡尔曼滤波AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究动态系统中的卡尔曼滤波及逐期一步预测分布，对应时间序列和预测方法，未提供具体经济应用。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
椭圆轮廓误差下的贝叶斯卡尔曼滤波
- 研究问题
- 当观测方程与系统方程的误差共同服从一般椭圆分布时，卡尔曼滤波递推及条件后验和一步预测分布能否获得推广？
- 方法与思路
- 作者在误差具有联合椭圆分布的设定下分析贝叶斯滤波，考察各阶段条件后验、一步预测分布及基本递推方程的形式。
- 材料陈述的贡献
- 摘要称基本卡尔曼递推可推广到更广的分布类，各阶段的条件后验和一步预测分布仍为椭圆分布，扩展了既有特例结果。
- 阅读关注点
- 应核对联合椭圆分布的依赖结构、条件分布与矩存在条件，以及递推中位置、尺度参数与实际条件协方差之间的关系。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要。摘要未列明全部条件，不能将结论直接套用于任意独立非高斯误差或任意重尾分布。
原文摘要
SUMMARY The basic recursive equations of the Kalman filter, for independent normally distributed error sources in both the observation and the system equations, are shown to hold for a larger class of distributions. It is shown that, for error sources following jointly a general elliptical distribution, the conditional posterior distribution of the parameters and the one-step ahead predictive distribution at every stage t are also elliptical. This generalizes some recent results of Meinhold & Singpurwalla for error sources distributed as multivariate Student t and some older results of Zellner for the linear regression model.