Sequential Monte Carlo Methods (SMC) 序列蒙特卡洛/粒子滤波/Bootstrap Filtering
ProblemStatement我们考虑一个具有马尔可夫性质、非线性、非高斯的状态空间模型(StateSpaceModel):对于一个时间序列上的观测结果{yt,t∈N}\{y_t,t\inN\}{yt,t∈N},我们认为每个观测结果yty_tyt的生成依赖于一个无法直接观察的隐变量xt∈{xt,t∈N}x_t\in\{x_t,t\inN\}xt∈{xt,t∈N},即:p(yt∣xt),t∈[1,