捷联惯导系统学习6.6(Sage-Husa自适应滤波 )

原理作用

只有准确的获得系统的结构参数和噪声统计特性参数，才能获得最优值的状态估计，实际中往往是不够准确的
可以使用量测输出（输出隐含了系统模型的某些信息）对系统系统模型进行重新估计。

量测噪声方差阵自适应算法

系统状态空间
$X_k:n维状态向量$
$Z_k:m维测量向量$
${\Phi }_{k/k-1}:已知的系统结构参数$
${\Gamma }_{k/k-1}:已知的系统结构参数，分别为n\times l阶系统分配噪声$
$H_k:已知的系统结构参数，分别为m\times n阶测量矩阵$
$V_k:m维测量噪声，高斯白噪声，服从正太分布$
$W_{k-1}:m维系统噪声向量，高斯白噪声，服从正太分布$
$V_k与W_{k-1}互不相关$
$$\begin{gathered} \{\begin{array}{l}{X}_k={\Phi }_{k/k-1}{X}_{k-1}+{\Gamma }_{k/k-1}{W}_{k-1}\\ Z_k=H_k{X}_k+V_k\end{array} \\ st. \\ \{\begin{array}{ll}E[W_k]=0,E[W_k{W}_j^T]=Q_k{\delta }_{kj}& Q_k\ge 0\\ E[V_k]=0,E[V_k{V}_j^T]=R_k{\delta }_{kj},E[W_k{V}_j^T]=0& R\ge 0\end{array} \end{gathered}$$

$E[V_{k}V$