Restricted Kalman filtering revisited
受限卡尔曼滤波再探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：摘要直接研究线性状态空间模型中的卡尔曼滤波与状态平滑，对应时间序列方法。
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…
受限卡尔曼滤波再探
- 研究问题
- 在线性状态空间模型中，状态向量上的不同线性约束能否统一纳入卡尔曼滤波，并通过状态平滑实施？
- 方法与思路
- 作者对含状态向量线性约束的模型估计结果作更紧凑、一般的推导，并研究约束与滤波、平滑之间的关系。
- 材料陈述的贡献
- 摘要称，受限卡尔曼滤波对所考虑的各类线性约束均有效，且线性约束可以通过任意类型的状态平滑实施。
- 阅读关注点
- 应核对“任意类型”约束与平滑的具体范围、约束如何进入递推公式，以及有效性结论依赖哪些模型条件。
- 阅读边界
- 仅据所给出版社摘要，无法判断一般性结论的精确条件、数值稳定性和实现细节，也不能将其外推至非线性约束。
原文摘要
We propose a more compact and general derivation of results concerning the estimation of linear state space models with linear restrictions in the state vector. The resulting methodological contributions are that the restricted Kalman filtering is valid regardless of the type of linear restriction being considered, and that linear restrictions can be carried out by any type of state smoothing.