Kalman滤波小结

LinearGauss DM——线性卡尔曼滤波

一直在思考线性卡尔曼滤波器（KF）究竟在做一件什么事，为什么KF就是最佳线性滤波器呢，又何以50多年来被广泛应用。一直以为KF仅仅是一个线性滤波器嘛，然而我却得到了一些很可怕的结论，原来KF背后是这么伟大的思想。其基本公式如下：

figure.1 状态空间模型

Filtering的概率描述

KF采用状态空间模型，即亦称动态系统理论，该模型的精华——如果所有的隐状态都已知，则观测值相互独立。由于KF的变量连续，故其概率分布为函数形式；若变量离散，则概率分布为矩阵形式。

说了这些，那么滤波和这些概率有什么关系，求解状态空间模型中的，即完成滤波的过程。那么究竟怎么求呢，为什么求解状态空间模型中的，就可以完成滤波过程呢。这是由于在状态空间中，

(1)    当 t > T 时，超出样本的观测区间，是对未来状态的估计问题，称为预测(Prediction)；    

(2)    当 t = T 时，估计观测区间的最终时点，即对现在状态的估计问题，称为滤波(Filtering)； 

(3)    当 t < T 时，是基于利用现在为止的观测值对过去状态的估计问题，称为光滑(Smoothing)。

       由表1可知，KF的参数为等六个变量，我们将从此出发。

 

Kalman的update和prediction

既然求解状态空间模型中的，就完成滤波的过程。所以有

参考文献

[1]陈学华，状态空间模型理论与算法及其在金融计量中的应用，博士论文，暨南大学，2007

[2]杨小军，基于粒子滤波的混合估计理论与应用，博士论文，西北工业大学，2006

[3]于艳萍，郭鹏辉，基于状态空间模型的经济分析，厦门大学学报:自然科学报，2006年

B05期

[4]胡士强，敬忠良，粒子滤波算法综述，控制与决策，2005 (4)

[5]陆昕为，演化卡尔曼滤波及其在时间序列分析中的应用，硕士论文，中国地质大学，2007

[6]彭丁聪，卡尔曼滤波的基本原理及应用，软件导刊，第8卷第11期，2009年11月

[7]付剑茹，张宗成，时变最优套期保值比估计及比较研究，管理科学学报，第13卷第12期，2010年12月

[8] 龚文引，演化Kalman滤波及其应用研究[D], 武汉:中国地质大学研究生院2007.

[9] A. Doucet, N. de Freitas, and N.Gordon, Eds., Sequential Monte Cario methods in practice, Springer Verlag, NewYork, 2001

[10]Andrew Harvey, Siem Jan Koopman andNeil Shephard, State Space and Unobserved Component Models: Theory andApplications [M]. Cambridge University Press, 2004

[11] B. Lauterbach and P Schultz. PricingWarrants: An Empirical Study of the Black-Scholes Model and Its Alternatives[J]. Journal of Finance, 1990, 45: 1181一1209

[12] Buetow, Gerald W, Jr. Johnson, RobertR, and Runkle Daviad E, The Inconsistency of Return-based Style Analysis. [J].Journal of Portfolio Management, Spring2000,61-77

[13] Chan,  Louis K.C, Chen, Hsiu-Lang, and Lakonishok, Josef.,On Mutual Fund Investment Styles.[J]. National Bureau of Economic ResearchWorking Paper 7215, July, 1999

[14] D Q Mayne,  A solution of the smoothing problem forlinear dynamic systems. In

Automatics, volume 4, pages 73-92, 1966

[15] D. Whitley, A genetic algorithmtutorial, Stat. Comput, 4:65-85, 1994

[16] G. Kitagawa, Monte Carlo filter and smoother for non-Gaussian nonlinear state

models, Journal of Computational andGraphical Statistics, vol. 5, no. 1, pp. 1-25, 1996

[17] GREG WELCH,GARY B1SHOP, An Introductionto the kalman filter[J].Department of Computer Science University of forthCarolina at Chapel Hill Chapel Hi11,NC27599-3175,2006.

[18]Lobosco,Angelo and DiBartolomeo Dan，Approximatingthe Confidence Intervals for Sharp Style Weights. [J]. Financial AnalystsJournal, 80-85, July/August 1997