Webbläsaren som du använder stöds inte av denna webbplats. Alla versioner av Internet Explorer stöds inte längre, av oss eller Microsoft (läs mer här: * https://www.microsoft.com/en-us/microsoft-365/windows/end-of-ie-support).

Var god och använd en modern webbläsare för att ta del av denna webbplats, som t.ex. nyaste versioner av Edge, Chrome, Firefox eller Safari osv.

Linear Optimal Prediction and Innovations Representations of Hidden Markov Models

In English

Författare

Summary, in English

The topic of this paper is linear optimal prediction of hidden Markov models (HMMs) and innovations representations of HMMs. Our interest in these topics primarily arise from subspace estimation methods, which are intrinsically linked to such representations. For HMMs, derivation of innovations representations is complicated by non-minimality of the corresponding state space representations, and requires the solution of algebraic Riccati equations under non-minimality assumptions.

Publiceringsår

2003

Språk

Engelska

Sidor

131-149

Publikation/Tidskrift/Serie

Stochastic Processes and their Applications

Volym

108

Issue

1

Dokumenttyp

Artikel i tidskrift

Förlag

Elsevier

Ämne

  • Control Engineering
  • Probability Theory and Statistics

Nyckelord

  • Non-minimality
  • Kalman filter
  • Hidden Markov model
  • Innovations representation
  • Prediction error representation
  • Riccati equation

Status

Published

ISBN/ISSN/Övrigt

  • ISSN: 1879-209X