Un nouvel algorithme de filtrage dans les modèles de Markov à saut linéaires et Gaussiens - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès XXIVème Colloque Gretsi Année : 2013

Un nouvel algorithme de filtrage dans les modèles de Markov à saut linéaires et Gaussiens

Résumé

Dans cette communication, nous traitons le problème du filtrage statistique dans des modèles de Markov à sauts linéaires et Gaussiens. Dans ces modèles, le calcul de l'estimateur bayésien optimal (au sens de l'erreur quadratique moyenne (EQM)) est un problème NP-complet. Les solutions sous optimales, basées sur des approximations numériques ou sur les méthodes de Monte Carlo séquentielle cherchent à approcher l'estimateur optimal dans ces modèles. Nous proposons ici une méthode alternative qui consiste à approcher le modèle donné par un modèle tout aussi pertinent du point de vue physique mais dans lequel l'estimateur optimal est calculable avec un coût linéaire en nombre d'observations.
Fichier non déposé

Dates et versions

hal-00867111 , version 1 (27-09-2013)

Identifiants

  • HAL Id : hal-00867111 , version 1

Citer

Yohan Petetin, François Desbouvries. Un nouvel algorithme de filtrage dans les modèles de Markov à saut linéaires et Gaussiens. XXIVème Colloque Gretsi, Sep 2013, Brest, France. ⟨hal-00867111⟩
37 Consultations
0 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More