基于粒子滤波器的参数学习和变化检测

B、 Gustafsson，F.：2006，《粒子滤波器重采样算法》，非线性统计信号处理研讨会，IEEE，第79–82页。Johannes，M.和Polson，N.：2009，《粒子滤波》，《金融时报系列手册》（Handbook of Financial Time SerieSP）。1015–1029.Johannes，M.S.和Polson，N.：2007，《粒子滤波和参数学习》，芝加哥商学院技术报告。Kantas，N.、Doucet，A.、Singh，S.S.、Maciejowski，J.和Chopin，N.：2015，《状态空间模型参数估计的粒子方法》，统计科学30（3），328–351。Kantas，N.、Doucet，A.、Singh，S.S.和Maciejowski，J.M.：2009，《一般状态空间模型中参数估计的顺序蒙特卡罗方法概述》，IFAC学报第42卷（10），774–785页。Li，T.、Bolic，M.和Djuria，P.M.：2015，《粒子滤波的重采样方法：分类、实施和策略》，IEEE信号处理杂志32（3），70–86。Liu，J.和West，M.：2001，《基于模拟的滤波中的组合参数和状态估计，实践中的顺序蒙特卡罗方法》，纽约：Springer Verlag，第197–223页。Lopes，H.F.和Tsay，R.S.：2011，《金融计量经济学中的粒子过滤器和贝叶斯推断》，预测杂志30（1），168–209。Nemeth，C.、Fearnhead，P.和Mihaylova，L.：2014，《突变环境中状态和参数估计的顺序蒙特卡罗方法》，IEEETransactions on Signal Processing 62（5），1245–1255。Nemeth，C.、Fearnhead，P.、Mihaylova，L.和Vorley，D.：2012，《状态和参数估计的粒子学习方法》，第九届数据融合和目标跟踪会议，IET。Polson，N.G.、Stroud，J.R.和M¨uller，P.：2008，《顺序参数学习实用过滤》，皇家统计学会杂志：B辑（统计方法学）70（2），413–428。Smith，R.和Hussain，M。

S、 ：2012，《随机波动率和参数估计的遗传算法顺序蒙特卡罗方法》，世界工程大会论文集，第1卷。Storvik，G.：2002，《存在未知静态参数的状态空间模型的粒子滤波器》，IEEE信号处理交易50（2），281–289。West，M.：1993a，《混合近似后验分布》，《皇家统计学会杂志》B辑55（2），409–422。West，M.：1993b，混合模型，蒙特卡罗，贝叶斯更新和动态模型，计算科学和统计学，第24卷，第325-333页。Yang，X.，Xing，K.，Shi，K.和Pan，Q.：2008，粒子滤波和随机优化中的联合状态和参数估计，控制理论与应用杂志6（2），215-220。