Convolution particle filters for parameter estimation in general state-space models - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Reports (Research Report) Year : 2006

Convolution particle filters for parameter estimation in general state-space models

Abstract

The state-space modeling of partially observed dynamic systems generally requires estimates of unknown parameters. From a practical point of view, it is relevant in such filtering contexts to simultaneously estimate the unknown states and parameters. Efficient simulation-based methods using convolution particle filters are proposed. The regularization properties of these filters is well suited, given the context of parameter estimation. Firstly the usual non Bayesian statistical estimates are considered: the conditional least squares estimate (CLSE) and the maximum likelihood estimate (MLE). Secondly, in a Bayesian context, a Monte Carlo type method is presented. Finally these methods are compared in several simulated case studies. \\ La modélisation par espace d'état de systèmes dynamiques partiellement observés requière le plus souvent l'estimation de paramètres inconnus. En pratique, il est pertinent dans un tel cadre de simultanément estimer l'état non observé et les paramètres inconnus. On propose des méthodes de simulation faisant appel à des filtres particulaires à convolution. Les propriétés de régularisation de ces filtres sont particulièrement adaptées à ce contexte d'estimation paramétrique. Dans un premier temps, on considère les estimées des moindres carrés conditionnelles et du maximum de vraisemblance. Puis, dans un contexte bayésien, on propose une méthode de type Monte Carlo. Ces méthodes sont enfin comparées sur plusieurs exemples simulés.
Fichier principal
Vignette du fichier
PI-1808.pdf (328 Ko) Télécharger le fichier
Loading...

Dates and versions

inria-00082328 , version 1 (27-06-2006)

Identifiers

  • HAL Id : inria-00082328 , version 1

Cite

Fabien Campillo, Vivien Rossi. Convolution particle filters for parameter estimation in general state-space models. [Research Report] PI 1808, 2006, pp.25. ⟨inria-00082328⟩
125 View
178 Download

Share

Gmail Facebook Twitter LinkedIn More