基于卡尔曼滤波的极大似然估计

mytomorrow

基于卡尔曼滤波的极大似然估计

8 k" A5 C, }9 J% Q* h) i; c一、输出误差法
二、方程误差法
5 H+ J4 u, U, \三、最大似然递推算法
四、最大似然近似算法
. J8 G* D4 P. X0 {, C- U五、修正最大似然准则

6 U) d2 R( ?7 k( O/ E4 ~1 {
1 c+ i4 B" ?% U9 z, F3 N一、输出误差法
. X% t4 {/ W" O% \, s$ X非线性系统若初值准确，即初始方差为0；又若系统过程噪声很小，可忽略不计，此时协方差矩阵的解为零，Kalman增益矩阵也为0，即状态预估值就是状态本身，于是新息等于输出误差:

/ B$ z/ ?' X( _  @- Q" G5 ~


; G1 I$ T4 ]* i2 W  Q进而有准则函数：
' v# C. N1 \, E2 g
0 }+ T# f! N7 Q' v
) ?$ V" b" v+ y) @5 p* L' G
2 \1 y6 L7 X) R" q' _/ P; h
: Y( x9 P" }% r6 d+ H8 c/ m1 q上式相当于以测量噪声的协方差矩阵的逆 为权的加权最小二乘估计，称之为输出误差法。当测量噪声的特性已知，直接采用牛顿一拉夫逊算法，即可对参数进行估计。

5 p' U! e+ m% B# Y! {
2 m/ e8 }* F3 S

游客，如果您要查看本帖隐藏内容请回复

" S' ?5 n- i7 U

ExxNEN

这名字怎么读起来怪怪的