Estabilidade do filtro de partículas e estimação da distribuição de filtragem

Abstract

Filtros de partículas constituem uma classe de algoritmos seqüenciais que permitem, recursivamente em cada passo, atualizações das estimativas das características do processo oculto. A questão da estabilidade do filtro, independência da distribuição inicial, tem sido pouco abordada na literatura. Na maioria dos trabalhos assume-se que é uma propriedade intrínsica do filtro herdada da ergodicidade do processo oculto. Neste trabalho, estudamos a estabilidade do filtro analisando a ergodicidade fraca de cadeias de Markov associadas e convenientes selecionas. Como aplicação, apresentamos o uso do Filtro de Bootstrap na solução do problema do controle de qualidade "on-line" num processo de produção. _________________________________________________________________________________ ABSTRACT

Particle Filters Algorithms constitute a class of sequential MCMC methods that produce and, recusively in time, update distributional estimates for the non-observable signal process. Filter stability issues, independence of initial distribution, have been either assumed or overlooked by most of the authors. In this work we address the stability question by studying the weak ergodicity of a properly associated non-homogeneous Markov chain. Applications includes the use of Bootstrap Filter to solve an on-line quality control process.