Kalman滤波学习记录（一）

1

最小二乘

对于某一状态X（X是n行1列），已知测量灵敏度矩阵H，且得到测量
Z=HX+v
测量噪声v布置其分布，那么如何从观测Z中得到X。
考虑使估计的状态最贴近观测值，即：

1.1最小二乘是用来处理对于某一状态的多次观测，即对于冗余信息的分析，所以观测信息必须多于状态信息。
1.2分析最小二乘的误差
令估计误差最小：

上述变换使用到了矩阵迹的交换律性质。考虑这些误差是随机变量，使用期望来分析

考虑到这一步的时候发现H是固定的，R是噪声v的相关函数（若均值为0 ，则是方差），没有可变的变量，因此考虑改变H阵，即改变估计方式。

最小二乘带权重的最小二乘

如果考虑估计方式G，使得GZ更贴近实际值呢？
假设有估计方式G，使得GZ与真实状态的均方误差最小，根据上述的结果，可以得到

同时还要满足GH=I这个等式，满足这两个式子的G便是估计误差最小的线性组合方式。G是不定的，有多个解。因此参考最小二乘的形式，令

当然，这需要满足一些条件。
按照书上的推导逻辑时，定义加权的损失函数

取W为对称阵，则

利用许瓦茨不等式可以得到其误差最小时，是当W=R^-1时。