Variance estimation in the particle filter
粒子滤波中的方差估计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：摘要研究通用粒子滤波的蒙特卡洛方差估计，未明确对应所列经济计量细分方向。
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
粒子滤波中的方差估计
- 研究问题
- 如何利用一次粒子滤波运行，评估其蒙特卡洛近似误差，并区分各时间步对渐近方差的贡献，以指导粒子数量配置？
- 方法与思路
- 作者追踪重抽样产生的关键谱系信息，构造多类蒙特卡洛近似的方差估计量，并估计渐近方差按时间步分解后的各项。
- 材料陈述的贡献
- 摘要称这些估计量具有弱一致性，其中部分还具有非渐近无偏性；方差分解可用于近似渐近最优的时变粒子配置。
- 阅读关注点
- 应核对各估计量对应的近似对象、弱一致性与无偏性的条件，以及时间步方差分解如何转化为可实施的粒子配置方案。
- 阅读边界
- 仅据所给 RePEc 摘要版本；摘要未说明具体正则条件、计算开销或配置效果，不能推断其他版本的变化。
原文摘要
SummaryThis paper concerns numerical assessment of Monte Carlo error in particle filters. We show that by keeping track of certain key features of the genealogical structure arising from resampling operations, it is possible to estimate variances of a number of Monte Carlo approximations that particle filters deliver. All our estimators can be computed from a single run of a particle filter. We establish that, as the number of particles grows, our estimators are weakly consistent for asymptotic variances of the Monte Carlo approximations and some of them are also non-asymptotically unbiased. The asymptotic variances can be decomposed into terms corresponding to each time step of the algorithm, and we show how to estimate each of these terms consistently. When the number of particles may vary over time, this allows approximation of the asymptotically optimal allocation of particle numbers.