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

一、输出误差法
二、方程误差法
/ x6 W8 V$ X' y9 u8 V# y三、最大似然递推算法
四、最大似然近似算法
7 J/ \3 ?; e* q6 G2 g五、修正最大似然准则

: `1 K  Y6 o, z, U" y5 g* x
一、输出误差法
+ [7 d2 p8 Q/ I7 n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:


9 D) v, ~7 x) u% a
( h, i8 d6 b0 C( L) J7 N. L# }
6 H+ }  _* P/ j0 U5 A3 Q0 `进而有准则函数：
0 \0 A3 J; ^8 v% `' o
* Q% V- m2 s" u
  U& K2 s% w% [: m" ~" ]8 h. o& X! I
7 d3 N" c2 S0 e7 D& t
' P8 t8 K) V* n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。
- W! D+ Q0 M1 @$ s  E* b* p: d

游客，如果您要查看本帖隐藏内容请回复

/ n& z) G, @- S
' K( R* L0 y. j: n
" V2 ~' i! x1 H& O0 h
* M9 G1 y* ~! U4 Y* a
4 X6 w# F7 T: T5 T# T

ExxNEN

这名字怎么读起来怪怪的