最小二乘/加权最小二乘估计
观测方程
y=Hx+v
测量残差
ε=y−Hx^
代价函数
ε=(y−Hx^)T(y−Hx^)=yTy−x^THTy−yTHx^+x^THTHx^
最优准则
∂J∂x^=−yTH−yTH+2x^THTH=0
求解这个方程,得
HyTx=HTHx^=(HTH)−1HTy=HLy
)
其中, 3x−1−−−−−√+(1+x)2
2. 递推最小二乘(RLS)
3. 卡尔曼滤波
3.1 理解
- 基于最小均方误差准则MMSE
- 线性系统
- 递推算法
- 最优滤波算法
3.2 使用过程中注意的问题
- 滤波器系数的确定
由系统模型和观测模型来确定
控制量(输入)、状态量、观测量(输出)
状态方程
x(tk)=A(tk,tk−1)+B(tk−1)u(tk−1)+w(tk−1))
观测方程
y(tk)=C(tk)x(tk)+v(tk))
- 滤波器初值的确定
x0^P0=E(x0)=E[(x0−x0^)(x0−x0^)T]
- 过程噪声和测量噪声的方差估算
卡尔曼滤波器设计和调试中重要而困难的一步