О многочастичных фильтрах

Проблема фильтрации дискретного случайного процесса, рассматриваемого в рамках скрытой марковской модели, возникает во многих прикладных задачах технического зрения, робототехники, навигации и других областей. Точные аналитические решения существуют лишь для очень ограниченного числа случаев – для линейных моделей с аддитивным гауссовским шумом (фильтр Калмана) и для моделей с конечным числом состояний. Далеко не всегда можно добиться удовлетворительной точности, применяя аналитические методы к произвольным моделям. Разрабатываемые в последние годы универсальные алгоритмы решения задачи фильтрации основаны на аппроксимации вероятностных распределений с помощью генерации большого числа «частиц». С их помощью можно добиваться любой требуемой точности за счет увеличения объема выборки. На семинаре будет рассказан необходимый математический аппарат, проделан обзор основных алгоритмов многочастичной фильтрации с разбором примеров задач.