首页/论文/1306.3488

arXiv 1306.34882013-06physics.data-annlin.CD

基于局部集合卡尔曼滤波的非全局参数估计

Non-global parameter estimation using local ensemble Kalman filtering

Thomas Bellsky, Jesse Berwald, Lewis Mitchell

发表信息：: Monthly Weather Review, 142, 2150-2164, 2014
DOI：: 10.1175/MWR-D-13-00200.1

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

研究了基于局部系综变换卡尔曼滤波器（LETKF）的低维混沌模型非全局参数估计问题。通过修改现有的技术，使用观测数据来估计全球参数，我们提出了一种方法，使空间变化的参数可以估计使用的观测只在一个局部区域的空间。以一个低维非线性混沌概念模型的大气动力学作为我们的数值试验平台，我们表明，这种参数估计方法准确地估计参数，在空间和时间上都不同，以及参数代表物理缺席的模型。

英文摘要：

We study parameter estimation for non-global parameters in a low-dimensional chaotic model using the local ensemble transform Kalman filter (LETKF). By modifying existing techniques for using observational data to estimate global parameters, we present a methodology whereby spatially-varying parameters can be estimated using observations only within a localized region of space. Taking a low-dimensional nonlinear chaotic conceptual model for atmospheric dynamics as our numerical testbed, we show that this parameter estimation methodology accurately estimates parameters which vary in both space and time, as well as parameters representing physics absent from the model.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

稳健集合滤波及其与集合卡尔曼滤波协方差膨胀的关系

Robust ensemble filtering and its relation to covariance inflation in the ensemble Kalman filter

基于$H_{\infty}$滤波理论，提出了一种鲁棒的集成滤波方案.最佳的$H_{\infty}$滤波器是通过最小化预定义的成本函数的上确界（或最大值），不同于卡尔曼滤波器中使用的最小方差的标准。通过设计，$H_{\infty}$滤波器比卡尔曼滤波器更鲁棒，在这个意义上，除了对应于卡尔曼滤波器的特殊情况之外，$H_{\infty}$滤波器中的估计误差通常相对于同化中的不确定性具有有限的增长率。原始形式的$H_{\infty}$过滤器包含全球的时间约束，这可能是不方便的顺序数据同化问题。因此，我们引入了一个变体，解决了一些时间局部约束，因此我们称之为时间局部$H_{\infty}$过滤器（TLHF）。通过类比集合卡尔曼滤波器（EnKF），我们还提出了集合时间-局部$H_{\infty}$滤波器（EnTLHF）的概念。我们概述了一般形式的EnTLHF，并讨论了它的一些特殊情况。特别是，我们证明了具有一定协方差膨胀的EnKF本质上是EnTLHF。从这个意义上说，EnTLHF提供了一个一般框架进行协方差膨胀的EnKF为基础的方法。我们使用一些数值例子来评估TLHF/EnTLHF的相对鲁棒性与相应的KF/EnKF方法相比。

2011-07-31nlin.CDphysics.data-an

状态空间等式约束下的Kalman滤波

Kalman Filtering in the Presence of State Space Equality Constraints

我们讨论了两个独立的技术卡尔曼滤波的状态空间等式约束的存在。然后，我们证明，尽管缺乏相似的配方，在某些条件下，这两种方法的结果在数学上等价的约束估计结构。我们的结论是，在卡尔曼滤波中使用等式约束的潜在好处通常超过计算成本，因此，等式约束（如果存在）应该通过这两种方法之一来实施。

2007-05-31physics.ao-phphysics.data-an

控制稀疏观测集合卡尔曼滤波器误差协方差的高估：方差限制卡尔曼滤波器

Controlling overestimation of error covariance in ensemble Kalman filters with sparse observations: A variance limiting Kalman filter

我们考虑的问题时，只有部分观测的集合卡尔曼滤波器。特别是，我们考虑的情况下，观测空间由变量是直接观察到已知的观测误差，和变量，其中只有他们的气候方差和平均值。为了限制后者的方差差解决的变量，我们推导出一个方差限制卡尔曼滤波器（VLKF）在变分设置。我们分析了一个简单的线性玩具模型的方差限制卡尔曼滤波器，并确定其最佳性能的范围。我们探讨的方差限制卡尔曼滤波器在集合变换设置的Lorenz-96系统，并表明，将一些不可观测变量的方差的信息，可以提高技能，也增加了数据同化过程的稳定性。

2011-08-30nlin.CDphysics.ao-phphysics.data-an

动态噪声下的卡尔曼-塔肯斯滤波

Kalman-Takens filtering in the presence of dynamical noise

使用数据同化将观测数据与动力学模型合并，已成为现代物理学的标准。如果已知参数模型，则已经为此目的开发了诸如卡尔曼滤波的方法。如果没有模型是已知的，一个混合卡尔曼-塔肯斯方法最近已被引入，以利用在非参数设置中的最优滤波的优点。该过程用从延迟坐标重建的动态代替参数模型，同时使用卡尔曼更新公式来同化新的观测。我们发现，这种混合方法的结果相当的效率，参数化方法在确定潜在的动态，即使在存在动态噪声。通过将卡尔曼-塔肯斯方法与自适应滤波过程相结合，我们能够估计观测噪声和动态噪声的统计量。这解决了分离时间序列数据中的动态和观测噪声的长期问题，当没有指定动态模型时，这尤其具有挑战性。

2016-11-16physics.data-anstat.ME

回复“评论'Encourage Kalman filter with the unscented transform'”

Reply to "Comment on 'Ensemble Kalman filter with the unscented transform'"

这是对Sakov博士对Luo和Moroz（2009）的工作“Encavity Kalman filter with the unscented transform”的评论的回复。

2010-05-15physics.data-an

粒子卡尔曼滤波：一种非线性贝叶斯滤波器框架

Particle Kalman Filtering: A Nonlinear Bayesian Framework for Ensemble Kalman Filters

本文研究了一种基于状态概率分布函数的高斯混合表示的最优非线性贝叶斯滤波器的逼近方案。得到的滤波器类似于粒子滤波器，但与粒子滤波器的不同之处在于，粒子滤波器中的标准权重类型校正由具有高斯混合中的相关协方差矩阵的卡尔曼类型校正来补充。我们表明，该滤波器是卡尔曼滤波器和粒子滤波器之间的算法，因此被称为粒子卡尔曼滤波器（PKF）。在PKF中，非线性滤波问题的解决方案被表示为并行操作的“卡尔曼滤波器集合”的加权平均。然而，运行卡尔曼滤波器的集合对于现实的大气和海洋数据同化问题在计算上是禁止的。因此，我们考虑通过集合卡尔曼滤波器（EnKF）的“集合”来构建PKF，并将其称为粒子EnKF（PEnKF）。我们表明，不同类型的EnKF可以被认为是特殊情况下的PEnKF。与粒子滤波器中的情况类似，我们还在PEnKF中引入了重采样步骤，以降低权重崩溃的风险并提高滤波器的性能。给出了强非线性Lorenz-96模型的数值实验结果并进行了讨论。

2011-07-31physics.data-an

更多相关论文收起更多论文

等式约束卡尔曼滤波的数学等价方法

Mathematically equivalent approaches for equality constrained Kalman Filtering

卡尔曼滤波问题通常在物理动力学中具有固有的和已知的约束，尽管潜在地显著增益（例如，电机的固定速度）。在本文中，我们回顾了现有的方法，并提出了一些新的想法过滤存在的等式约束。然后，我们将状态空间等式约束的三种方法在数学上等价于更一般的“投影”方法，它允许不同的加权矩阵时，投影估计。尽管如此，不同的方法在实现中具有优势，可以使一种方法比另一种方法更适合于给定的应用。

2009-02-10math.OCphysics.data-an

具有等式和不等式状态约束的Kalman滤波

Kalman Filtering with Equality and Inequality State Constraints

约束和无约束的最优化问题经常出现在工程师当前处理的递归跟踪问题中--然而，约束很少被用于这些应用。我们定义了卡尔曼滤波器，并讨论了两种不同的方法，将约束。这些方法中的每一个首先应用于等式约束，然后扩展到不等式约束。我们讨论了处理非线性约束和约束状态预测的方法。最后，一些实验表明，这种方法的有效性。

2007-09-18math.OCphysics.data-an

小波包络卡尔曼滤波器

Wavelet Ensemble Kalman Filters

我们提出了一种新的类型的EnKF数据同化的空间模型，使用对角近似的状态协方差在小波空间，以实现自适应本地化。通过算例验证了该方法的有效性。

2011-02-27math.DSphysics.ao-phphysics.data-an

高维非线性系统的惩罚包络卡尔曼滤波器

Penalized Ensemble Kalman Filters for High Dimensional Non-linear Systems

集合卡尔曼滤波（EnKF）是一种数据同化技术，它使用一个集合的模型，用数据更新，以跟踪一个通常非线性系统的时间演变。它通过使用对众所周知的卡尔曼滤波器的经验近似来实现。然而，当集合大小小于状态空间时，其性能可能会受到影响，这对于计算负担沉重的模型通常是必要的。这种情况意味着状态协方差的经验估计不是满秩的，并且可能噪声很大。为了解决这个问题，在这个高维政权，我们提出了一个计算速度快，易于实现的算法称为惩罚集合卡尔曼滤波（PEnKF）。在某些条件下，可以从理论上证明，PEnKF将是准确的（估计误差将收敛到零），尽管具有比状态维度更少的系综成员。此外，与定位方法相比，所提出的方法学习与动态系统相关联的协方差结构。几个非线性和高维系统的模拟支持这些理论结果。

2021-03-11physics.ao-phphysics.data-anstat.AP

无热量计的gamma-ray望远镜：通过卡尔曼滤波新息的贝叶斯分析对来自多次散射的带电粒子动量的最佳测量

Calorimeter-less gamma-ray telescopes: Optimal measurement of charged particle momentum from multiple scattering by Bayesian analysis of Kalman filtering innovations

目前正在开发新的伽马射线望远镜方案（硅晶片叠层、乳剂、气体探测器），以弥补康普顿望远镜和对产生望远镜之间的灵敏度差距。相对于费米LAT的钨/硅有源靶而言，较低的平均密度使大有效面积望远镜成为体积庞大的物体，因此，通过常规手段（量热计、磁谱仪、跃迁辐射探测器）测量光子能量对空间飞行任务的质量预算是一个挑战。我们提出了一个最佳的测量轨道动量的多个测量的角度偏转引起的多次散射在主动目标本身，使用贝叶斯分析的一系列卡尔曼滤波器应用到轨道的滤波创新。对于一个硅晶片堆叠望远镜，该方法产生了有意义的结果高达几个GeV/c。

2017-10-30astro-ph.IMphysics.data-anphysics.ins-det