卡尔曼滤波学习(3)

协方差矩阵:

        把方差、协方差通过一个矩阵表现出来,体现了变量间的联动关系。当协方差大于0时,表明两个变量变化呈现正相关,即同增同减;当协方差小于0时,表明两个变量变化呈现负相关,变量变化方向相反。而协方差的绝对值的大小反应了,两个变量的相关程度,越大相关程度越高。

        下面举例说明协方差矩阵求解和作用,下面是球员的信息,来求解身高、体重、年龄的协方差矩阵。

xyz
球员身高体重年龄
A1797433
B1878031
C1757128
均值180.33333337530.66666667

        首先,分别求解x、y、z的方差

\sigma_{x}^{2} = \frac{(179-180.3)^{2} + (187-180.3)^{2} + (175-180.3)^{2}}{3}=24.89

        同理可得

        \sigma_{y}^{2} = 14

        \sigma_{z}^{2} = 4.22

        其次,分别求解不同组合的协方差cov(x,y) = \frac{1}{3}*((179-180.3)*(74-75)+(187-180.3)*(80-75)+(175-180.3)*(71-75)) = 18.7 = \sigma_x\sigma_y

        cov(x,y)协方差大于0,x、y变化呈现正相关,我们可以观察每一对x、y都是同时大于或小于平均值。

列出cov(y,x)的求解式子发现结果和上式是一致的,

cov(x,y)=cov(y,x)=\sigma_x\sigma_y

        同理可得:

cov(x,z) = cov(z,x)=4.4

cov(y,z)=cov(z,y)=3.3

下面列出x,y,z的协方差矩阵:

P = \begin{bmatrix}\sigma_x^{2} ,\sigma_x\sigma_y,\sigma_x\sigma_z & & \\ \sigma_y\sigma_x,\sigma_y^{2},\sigma_y\sigma_z & & \\ \sigma_z\sigma_x,\sigma_z\sigma_y,\sigma_z^{2} \end{bmatrix} = \begin{bmatrix}24.89, 18.7,4.4 & & \\ 18.7,14,3.3 & & \\ 4.4,3.3,4.22 & & \end{bmatrix}

        矩阵P一定程度上反应了,球员的身高、年龄、体重的相关程度,可以看出身高和体重的相关程度较高,而年龄和身高/体重的相关程度均较低。

        下面列出使用矩阵求解协方差矩阵的计算过程,首先求解过渡矩阵a = \begin{bmatrix}x_1,y_1,z_1 & & \\ x_2,y_2,z_2 & & \\ x_3,y_3,z_3 & & \end{bmatrix} -\frac{1}{3}\begin{bmatrix}1,1,1 & & \\ 1,1,1 & & \\ 1,1,1 & & \end{bmatrix} \begin{bmatrix}x_1,y_1,z_1 & & \\ x_2,y_2,z_2 & & \\ x_3,y_3,z_3 & & \end{bmatrix}

P = \frac{1}{3}a*a^{T}

参考资料 【【卡尔曼滤波器】2_数学基础_数据融合_协方差矩阵_状态空间方程_观测器问题】 https://www.bilibili.com/video/BV12D4y1S7fU/?share_source=copy_web&vd_source=c29456ffa88bc7559f8ffbe6f8e8f7a5

  • 8
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值