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递推与一步预测分布，支持时间序列和预测分类，但未说明具体宏观应用。
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
- 卡尔曼滤波的基本递推能否从独立正态误差推广至更广的分布族，条件后验与一步预测分布又具有何种形式？
- 方法与思路
- 作者在观测方程与系统方程的误差共同服从一般椭圆分布时，分析滤波递推及各阶段的条件后验和预测分布。
- 材料陈述的贡献
- 摘要称基本卡尔曼递推适用于更广分布类，且每阶段的条件后验与一步预测仍为椭圆分布，扩展了已有特例。
- 阅读关注点
- 应核对联合椭圆分布与误差独立性的关系、递推中尺度量的定义，以及后验和预测分布保持椭圆性的具体条件。
- 阅读边界
- OpenAlex 索引版本未注明；摘要未给出分布条件或递推细节，不能推断任意重尾误差都适用或预测一定更优。
原文摘要
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.