卡尔曼滤波、最小二乘法、维纳滤波之我见

最新推荐文章于 2024-06-25 23:30:13 发布

jiaojieran

最新推荐文章于 2024-06-25 23:30:13 发布

阅读量4.1k

点赞数 3

分类专栏：自适应滤波文章标签：卡尔曼滤波最小二乘法维纳滤波

本文链接：https://blog.csdn.net/jiaojieran/article/details/102713249

版权

本文探讨了卡尔曼滤波、最小二乘法和维纳滤波的异同。卡尔曼滤波侧重状态空间模型，用于估计系统内部状态；最小二乘法寻求投影，使误差最小化；而维纳滤波关注误差的均方误差。三者在频域和时域中有不同应用，卡尔曼滤波尤其适合非平稳过程。

摘要由CSDN通过智能技术生成

卡尔曼滤波、最小二乘法、维纳滤波之我见

算法要抓住三个方面：模型、策略、求解的方法。

算法	模型	策略	求解的方法
最小二乘法	传递函数	误差平方和最小	目标函数导数为0
卡尔曼滤波	状态空间	均方差最小	先预测，后修正
维纳滤波	传递函数	均方差最小	目标函数导数为0

其实，你说最小二乘可以用在状态空间上吗？完全可以，只要知道状态及其导数就可以。但是跟卡尔曼滤波本质不同在于，需要均方差最小，所以可以定义一种概率分布，使二者相等。
最小二乘法被玩出花的是序贯最小二乘，最容易让人和卡尔曼滤波分不清，因为大家都是迭代求解。但是其实仔细看，其实序贯最小二乘是假设：
w_k+1=[w_k, $\Delta$