विविधता कम की गई संकलित काल्मन फ़िल्टरिंग

हाल ही में बड़े पैमाने पर काल्मन फ़िल्टरिंग समस्याओं को हल करने के लिए कई एल्गोरिदम पेश किए गए हैं। संकलित काल्मन फ़िल्टर स्थिति के अनुमानों की संभावना घनत्व को यादृच्छिक रूप से उत्पन्न प्रणाली राज्यों की एक सीमित संख्या द्वारा दर्शाता है। एक अन्य एल्गोरिदम सहसंघात मैट्रिक्स के प्रमुख ईगेनवेक्टरों का चयन करने और पूर्ण सहसंघात मैट्रिक्स का एक कम रैंक वाला मैट्रिक्स द्वारा अनुमान लगाने के लिए एक अद्वितीय मान विच्छेद का उपयोग करता है। हालांकि, दोनों एल्गोरिदम को अभी भी भारी मात्रा में कंप्यूटर संसाधनों की आवश्यकता होती है। इस पेपर में लेखक दोनों एल्गोरिदम को संयोजित करने और सहसंघात मैट्रिक्स के एक कम रैंक वाले अनुमान का उपयोग करके संकलित काल्मन फ़िल्टर के लिए विविधता को कम करने का प्रस्ताव करते हैं। यदि प्रमुख ईगेनवेक्टर सबसे अधिक विविधता को स्पष्ट करते हैं, जो अधिकांश अनुप्रयोगों के लिए सही है, तो फ़िल्टरेशन समस्या को हल करने के लिए गणनात्मक बोझ को काफी कम किया जा सकता है (एक क्रम के एक गुणा तक)।