Robust auxiliary particle filters using multiple importance sampling

Kronander, Joel,1983-Linköpings universitet,Medie- och Informationsteknik,Tekniska högskolan,Datorgrafik och bildbehandling (författare)

A poor choice of importance density can have detrimental effect on the efficiency of a particle filter. While a specific choice of proposal distribution might be close to optimal for certain models, it might fail miserably for other models, possibly even leading to infinite variance. In this paper we show how mixture sampling techniques can be used to derive robust and efficient particle filters, that in general performs on par with, or better than, the best of the standard importance densities. We derive several variants of the auxiliary particle filter using both random and deterministic mixture sampling via multiple importance sampling. The resulting robust particle filters are easy to implement and require little parameter tuning.

Schön, Thomas B.Uppsala universitet,Avdelningen för systemteknik,Reglerteknik,Uppsala Universitet, Sweden,Information Technology(Swepub:uu)thosc112 (författare)
Linköpings universitetMedie- och Informationsteknik (creator_code:org_t)

Ingår i:Proc. 18th Workshop on Statistical Signal ProcessingPiscataway, NJ : IEEE, s. 268-2719781479949755

Om ämnet

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Elektroteknik oc ...; och Signalbehandling

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.