Проблема сглаживания (случайные процессы) - Smoothing problem (stochastic processes)

В Проблема сглаживания (не путать с сглаживание в статистика, обработка изображений и другие контексты) относится к Рекурсивная байесовская оценка также известный как Фильтр Байеса это проблема оценка неизвестно функция плотности вероятности рекурсивно с течением времени с использованием дополнительных входящих измерений. Это одна из основных проблем, определяемых Норберт Винер[1][2]

А плавнее - это алгоритм или реализация, реализующая решение такой проблемы. Пожалуйста, обратитесь к статье Рекурсивная байесовская оценка для получения дополнительной информации. Проблема сглаживания и Проблема с фильтрацией часто рассматриваются как пара тесно связанных проблем. Они изучаются в рамках байесовской теории сглаживания.

Примечание: не путать с размытием и сглаживанием с использованием таких методов, как скользящее среднее. Видеть сглаживание.

Пример сглаживания

Некоторые варианты включают:[3]

  • Раух – Тунг – Штрибель (RTS) более плавный
  • Расширенное сглаживание RTS (ERTSS)
  • Сглаживатель Гаусса – Эрмита RTS (GHRTSS)
  • Кубатура сглаживания RTS (CRTSS)

Путаница в терминах и взаимосвязь между проблемами фильтрации и сглаживания

Есть четыре термина, которые вызывают путаницу: сглаживание (в двух смыслах: оценка и свертка) и фильтрация (опять же в двух смыслах: оценка и свертка).

Сглаживание (оценка) и сглаживание (свертка) могут означать совершенно разные, но звучат так, как будто они явно похожи. Понятия разные и используются практически в разных исторических контекстах. В требования очень разные.

Обратите внимание, что изначально фильтр Винера был просто сверткой, но более поздние разработки были другими: один был оценочным, а другой - дизайном фильтра в смысле дизайна фильтра свертки. Это источник путаницы.

Как проблему сглаживания (в смысле оценки), так и проблему фильтрации (в смысле оценки) часто путают со сглаживанием и фильтрацией в других контекстах (особенно нестохастическая обработка сигналов, часто называемая различными типами свертки). Эти имена используются в контексте Второй мировой войны с проблемами, созданными такими людьми, как Норберт Винер.[1][2] Одним из источников путаницы является Винеровский фильтр имеет форму простой свертки. Однако в фильтре Винера даны два временных ряда. Когда фильтр определен, ответом будет прямая свертка. Однако в более поздних разработках, таких как фильтрация Калмана, природа фильтрации отличается от свертки, и она заслуживает другого названия.

Это различие описывается в следующих двух смыслах:

1. Свертка: сглаживание в смысле свертка проще. Например, скользящее среднее, фильтрация нижних частот, свертка с ядром или размытие с использованием фильтров Лапласа в обработка изображений. Часто это конструкция фильтра проблема. Особенно нестохастическая и небайесовская обработка сигналов без каких-либо скрытых переменных.

2. Оценка: проблема сглаживания (или сглаживание в смысле оценка) использует байесовские модели и модели пространства состояний для оценки скрытых переменных состояния. Это используется в контексте Второй мировой войны, определенной такими людьми, как Норберт Винер, в (стохастической) теории управления, радарах, обнаружении сигналов, отслеживании и т. Д. Наиболее распространенным применением является сглаживание Калмана, используемое с фильтром Калмана, который фактически разработан. пользователя Rauch. Процедура называется рекурсией Калмана-Рауха и является одной из основных задач, решаемых Норберт Винер.[1][2]Наиболее важно то, что в задаче фильтрации (смысл 2) используется информация от наблюдения до времени текущей выборки. В сглаживании (также смысле 2) используются все выборки наблюдений (из будущего). Фильтрация является причинной, но сглаживание - это пакетная обработка той же проблемы, а именно оценка процесса временного ряда на основе последовательных инкрементных наблюдений.

Но обычные и более распространенные сглаживание и фильтрация (в смысле 1.) не имеют такого различия, потому что нет различия между скрытым и наблюдаемым.

Различие между сглаживанием (оценка) и фильтрацией (оценка): при сглаживании используются все образцы наблюдений (из будущего). Фильтрация является причинной, а сглаживание - это пакетная обработка данных. Фильтрация - это оценка (скрытого) процесса временного ряда на основе последовательных инкрементных наблюдений.

Связанные понятия

Смотрите также

Рекомендации

  1. ^ а б c 1942, Экстраполяция, интерполяция и сглаживание стационарных временных рядов. Секретный отчет военного времени, получивший прозвище «желтая опасность» из-за цвета обложки и сложности темы. Опубликовано в послевоенном 1949 г. MIT Press. http://www.isss.org/lumwiener.htm
  2. ^ а б c Винер, Норберт (1949). Экстраполяция, интерполяция и сглаживание стационарных временных рядов. Нью-Йорк: Вили. ISBN  0-262-73005-7.
  3. ^ Симо Сяркка. Байесовская фильтрация и сглаживание. Издатель: Cambridge University Press (5 сентября 2013 г.) Язык: английскийISBN  1107619289ISBN  978-1107619289