Rééchantillonnage indépendant et semi-indépendant pour le filtrage particulaire
Résumé
Le filtrage particulaire est un ensemble d'algorithmes populaires de type Monte Carlo pour l'estimation récursive d'états cachés dans des modèles de Markov cachés. Le filtrage particulaire repose sur un mécanisme de tirage et pondération de particules, puis de rééchantillonnage permettant de dupliquer les particules de poids élevés et d'éliminer les particules de poids faibles. Néanmoins, ces méthodes peuvent se révéler inefficaces dans des modèles informatifs ou de grande dimension, aussi sophistiquées soient les techniques de rééchantillonnage utilisées. Dans cette communication, plutôt que de se focaliser sur la seule étape de rééchantillonnage qui introduit de la dépendance entre les particules et une diminution de la taille du support, nous revisitons les trois étapes du mécanisme dans leur ensemble et nous montrons qu'il est possible d'obtenir des tirages conditionnellement indépendants de manière à garantir un support de taille fixe. Cette méthode de tirage nécessitant un coût de calcul supplémenaire, nous introduisons un algorithme intermédiaire entre le filtrage particulaire classique et notre technique de rééchantillonnage indépendante