मैं एक बहुत ही सरल कलमन फ़िल्टर (रैंडम वॉक + शोर मॉडल) की गणना कर रहा हूं।
मुझे लगता है कि फिल्टर का उत्पादन एक चलती औसत के समान है।
क्या दोनों के बीच एक समानता है?
यदि नहीं, तो क्या अंतर है?
मैं एक बहुत ही सरल कलमन फ़िल्टर (रैंडम वॉक + शोर मॉडल) की गणना कर रहा हूं।
मुझे लगता है कि फिल्टर का उत्पादन एक चलती औसत के समान है।
क्या दोनों के बीच एक समानता है?
यदि नहीं, तो क्या अंतर है?
जवाबों:
एक यादृच्छिक वॉक + शोर मॉडल को एक EWMA (घातीय रूप से भारित चलती औसत) के बराबर दिखाया जा सकता है। कलमन का लाभ ईडब्ल्यूएमए भार के समान ही होता है।
यह स्टेट स्पेस द्वारा टाइम सीरीज एनालिसिस में कुछ विवरणों को दिखाया गया है , यदि आप Google Kalman फ़िल्टर और EWMA में आपको कई संसाधन मिलेंगे जो समतुल्यता पर चर्चा करते हैं।
वास्तव में आप EWMA अनुमानों आदि के लिए विश्वास अंतराल बनाने के लिए राज्य अंतरिक्ष तुल्यता का उपयोग कर सकते हैं।
शुरू करने के लिए: ईडब्ल्यूएमए के साथ कलमन फ़िल्टर की समानता केवल "रैंडम वॉक प्लस शोर" के मामले के लिए है और यह एंड्रयू हार्वे द्वारा स्ट्रक्चरल टाइम सीरीज़ मॉडल और कलमैन फ़िल्टर की पुस्तक में कवर किया गया है। शोर के साथ यादृच्छिक चलने के लिए कलमन फ़िल्टर के साथ ईडब्ल्यूएमए की समानता पाठ के पृष्ठ 175 पर कवर की गई है। वहां लेखक ने यह भी उल्लेख किया है कि दोनों की समानता को पहली बार 1960 में दिखाया गया था और इसका संदर्भ देता है। यहाँ पाठ के उस पृष्ठ के लिए लिंक दिया गया है: https://books.google.com/books?id=Kc6tnRHBwLcC&pg=PA175&lpg=PA175&dq=ewma+and+kalman+r++++++++++++++++&&&&==33OOQQ = RdUCwgFE1s7zrPFylF3e3HxIUNY & hl = hi & सा = एक्स और वेद = 0ahUKEwiK5t2J84HMAhWINSYKHcmyAXkQ6AEINDAD # v = onepage & q = EWMA% 20and% 20kalman% 20For% 20random% 20walk% 20with% 20noise & f = झूठी
अब यहाँ संदर्भ है जो कलमन और विस्तारित कलमन फ़िल्टर के लिए एक ALETERNATIVE को शामिल करता है - इसमें ऐसे परिणाम मिले जो कलमन फ़िल्टर से मेल खाते हैं लेकिन परिणाम बहुत तेज़ी से प्राप्त होते हैं! यह "डबल एक्सपोनेंशियल स्मूथिंग: ए ऑल्टरनेटिव टू कलमैन फिल्टर-बेस्ड प्रेडिक्टिव ट्रैकिंग है।" कागज के सार में (नीचे देखें) लेखक राज्य "... हमारे दावों की वैधता का समर्थन करने वाले अनुभवजन्य परिणाम हैं कि ये भविष्यवाणियां तेजी से लागू करने में आसान हैं, और कलमन और विस्तारित कलमन फ़िल्टरिंग भविष्यवक्ताओं के बराबर प्रदर्शन करते हैं ..."
http://cs.brown.edu/~jjl/pubs/kfvsexp_final_laviola.pdf
यह उनका सार है "हम दोहरे घातीय चौरसाई के आधार पर उपयोगकर्ता की स्थिति और अभिविन्यास के पूर्वानुमानात्मक ट्रैकिंग के लिए उपन्यास एल्गोरिदम पेश करते हैं। इन एल्गोरिदम, जब कलमैन के खिलाफ तुलना की जाती है और व्युत्पन्न मुक्त माप मॉडल वाले कलमन फ़िल्टर-आधारित भविष्यवक्ता बढ़ाते हैं, समकक्ष के साथ 135 गुना तेज दौड़ते हैं। भविष्यवाणी का प्रदर्शन और सरल कार्यान्वयन। इस पत्र में कलामन और विस्तारित कलमन फ़िल्टर के साथ इन एल्गोरिदम का विस्तार से वर्णन किया गया है। इसके अलावा, हम एक भविष्यवक्ता प्रयोग और वर्तमान अनुभवजन्य परिणामों के विवरण का वर्णन करते हैं जो हमारे भविष्यवाणियों की वैधता का समर्थन करते हैं। तेजी से लागू करने के लिए आसान है, और कलामन और विस्तारित कलमन फ़िल्टरिंग भविष्यवाणियों के बराबर प्रदर्शन करते हैं। "