第四章基于统计的融合技术分析.ppt

重庆大学 自动化学院 柴毅 魏善碧 2014.3 第4章 基于统计的融合--统计推断与估计理论 4.1 点估计理论基础 应用举例（状态最优估计融合算法 在伺服系统中的应用） 4.2 线性动态系统的滤波理论与算法 4.3 非线性动态系统的滤波理论与算法 4.4 应用——滤波及仿真 第4章 基于统计的融合--统计推断与估计理论 估计：根据测量值z(t)，z(t)=h[x(t)]+w(t)，解算出x(t)的计算值 (t)。随机向量v(t)为量测误差， 称为 x的估计，z称为x的量测。 设在[t0,t1]时间内的量测为z，相应的估计为 ，则 当t=t1时， (t)称为x(t)的估计； 当tt1时， (t)称为x(t)的预测； 当tt1时，x(t)称为x(t)的平滑； 最优估计是指某一指标值达到最值时的估计。 第4章 基于统计的融合--统计推断与估计理论 以量测估计Z的偏差的平方和达到最小为指标，即 (Z-Z)T(Z-Z)=min 则所得的估计为最小二乘估计； 以状态估计 的均方误差集平均达到最小为指标， E[(x- )T(x- )]=min 则所得的估计为最小方差估计；若 又是x的线性估计，则 为x的线性最小方差估计。 以估计值出现的概率作为估计指标，有极大验后估计、贝叶斯估计和极大似然估计。 4.1 点估计的理论基础 点估计：又称定值估计，就是用实际样本指标数值作为总体参数的估计值，实际上它就是总体未知参数的近似值。 由样本x1,x2,…xn确定一个统计量 用它来估计总体的未知参数 ，称为总体参数的估计量。当具体的样本抽出后，可求出样本参数的值。 衡量标准有： 无偏性 (unbiasedness) 一致性（consistency） 有效性 4.1 点估计的理论基础 本小节的主要内容有： 一般概念 Bayes点估计理论 最佳线性无偏（BLUE）估计 加权最小二乘（WLS）估计 极大似然（ML）估计 递推最小二乘（RLS）估计 4.1 点估计的理论基础——一般概念 一般概念 定义4.1.1 设 是一个未知参数向量，量测y是一个m维的随机向量，而y的一组容量为N的样本是 设对它的统计量为 (4.1.1) 称其为对x的一个估计量，其中 称为统计规则或估计算法。 利用样本对参数的估计量本质上是随机的，而当样本值给定时所得到的参数估计值一般与真值并不相同，因而需要用某些准则进行评价。 4.1 点估计的理论基础——一般概念 定义4.1.2 对于式(4.1.1)，所得估计量如果满足 (4.1.2) 则称 是对参数x的一个无偏估计； 如果满足 (4.1.3) 则称 是对参数x的一个渐近无偏估什。 定义4.1.3 对于式(4.1.1)所得估计量，如果依概率收敛于真值，即 (4.1.4) 则称 是对参数x的一个一致估计量。 4.1 点估计的理论基础——一般概念 4.1 点估计的理论基础——Bayes点估计理论 Bayes点估计理论 设x也是一个n维随机向量，仍设 是y的一组容量为N的样本。设 表示量测信息，则x与z的联合概率密度函数是 (4.1.7) 假定 表示由量测信息z得到的一个估计，而估计误差定义为 (4.1.8) 4.1 点估计的理论基础——Bayes点估计理论 定义4.1.4 估计误差 的标量函数 称为一个损失函数，如果 （1）零误差的损失为零，即 ，则 ； （2）按分量的绝对值单调增，即 和 的第i个分量满足 ，其余分量相等，则 ； （3） 是对称的，即 ，有 。 定义4.1.5 设 ，估计误差 的损失函数是 ，则风险函数定义为 (4.1.9) 其中 估计方法； Ba