经济时间序列分析原理篇第七章卡尔曼滤波(I)-版本2014.10.29.pdfVIP

第七章 卡尔曼滤波（I ） 一．卡尔曼滤波 我们考察的系统由下列状态方程组所描述。 x n F x n 1 G v n   n   n   y n H x n w n   n     其中v n 和w n 分别服从正态分布N 0,Q 和N 0, R ，且w n 与v n 是相      n   n      互独立的。初始状态x 0 从正态分布N x , Σ ，并与w n 和v n 相互独立。    0 0      所以我们只能从观测量来估计。卡尔曼滤波 因为系统的状态变量是未知的， 就是从观测量来估计状态变量的算法。 设观测变量的样本为 y 1 ,y 2 ,,y n        ˆ 基于这组观测样本的对状态x t 的最小方差估计记为x 。当t n 时，称这样的 t |n 估计为滤波，即通过到目前为止的观测样本y 1 ,y 2 , ,y n 来估计现在的状         态x k 。当t n 时，这样的估计被称为预测，即通过到目前为止的观测样本  y 1 ,y 2 , ,y n 来预测状态的将来值x t 。当t n 时，我们是利用到目前为止       的观测样本来估计过去时刻的状态x t ，这样的估计称为平滑。卡尔曼滤波其实  ˆ 是状态x t 的区间估计，它给出的是估计值x 在观测变本y 1 ,y 2 ,,y n t |n       已知的条件下的条件均值 x x y y E  t | n , , 1  t |n        和条件方差 E    T | n , , 1  Σt k xt xt n xt xt n  y   y  |  | |