正规方程
最小二乘法 变换之后的方程(这个有确定解的代数方程组称为最小二乘法估计的正规方程)。
适定问题 VS 不适定问题
适定问题是指定解满足下面三个要求的问题:
① 解是存在的;
② 解是唯一的;
③ 解连续依赖于定解条件,即解是稳定的。
这三个要求中,只要有一个不满足,则称之为不适定问题。
#1. 统计、概率
##1.1 方差(Variance)
统计中:样本方差指 样本中各个数据与样本均值的差 的平方和 的平均数;
概率中:方差用来度量 随机变量与其数学期望之间的偏离程度,即,误差的平方的期望 ;
公式:
D
(
X
)
=
E
{
[
X
−
E
(
X
)
]
[
X
−
E
(
X
)
]
T
}
D(X)=E\{[X-E(X)][X-E(X)]^T\}
D(X)=E{[X−E(X)][X−E(X)]T}
其中,
X
X
X为随机变量构成的矢量,即,
X
=
[
x
1
,
x
2
,
⋯
 
,
x
n
]
T
X=[x_1,x_2,\cdots,x_n]^T
X=[x1,x2,⋯,xn]T
D
(
X
)
D(X)
D(X)的结果是一个方差矩阵,其第
i
i
i行第
j
j
j个元素,为随机变量
x
i
x_i
xi和
x
j
x_j
xj的协方差。
##1.2 标准差(Standard Deviation)、均方差
方差的算术平方根 叫做标准差,中文环境中又称为均方差。(二者完全相同)
公式:
σ
(
X
)
=
D
(
X
)
\sigma(X)=\sqrt{D(X)}
σ(X)=D(X)
引入标准差的原因是
将方差开根号后,得到的标准差 可以与 随机变量、均值等量保持相同的量纲。
物理含义
方差(或均方差)都是衡量一个样本波动大小的量。即,样本数据围绕样本均值的波动越大,样本方差(或均方差)越大。
##1.3 均方根误差(Root Mean Squared Error)、均方误差
或称均方根差、方均根差、方均根偏移等,
英文:Root Mean Square Error、RMSE、Root Mean Square Deviation、RMSD
均方根误差是各个数据偏离真实值的误差 的平方和 的平均数 再开平方;
不开平方 即为均方误差。
公式:
R
M
S
E
=
1
n
∑
i
=
1
n
(
x
o
b
j
,
i
−
x
m
o
d
e
l
,
i
)
RMSE=\sqrt{\frac{1}{n}\sum^n_{i=1}(x_{obj,i}-x_{model,i})}
RMSE=n1i=1∑n(xobj,i−xmodel,i)
[注]:
均方差(标准差)是数据序列与均值之间的关系,用来衡量该数据序列自身的离散程度;
而均方根误差是数据序列与真实值之间的关系,用来衡量观测值同模型真值之间的偏差。
二者虽然计算过程类似,但是研究对象和研究目的不同。
惯导系统中对比各种滤波算法的效果,多用该量进行衡量。
#2. 编程实现
2.1 标准差
matlab 中提供了 std 函数计算标准差。
std(A,flag,dim)
详见书籍P143
2.2 误差均方根(RMSE)
**惯导系统中,**在进行滤波算法仿真实验时,会在同样仿真参数设置下,进行多次仿真实验(以30次为例):
RMSE=sqrt(sum((realhat-real).^2)/10)
real = [135,142,156,165,170,220,225,275,300,450];%模型理论真实值
realhat =[95.3329,126.2888,152.0854,177.8820,203.6786,229.4753,255.2719,281.0685,332.6617,384.2549];%观测值、滤波结果
RMSE=sqrt(sum((realhat-real).^2)/10)