frisch问题.pptVIP

Frisch问题 Frisch问题介绍 Kalman定理介绍 Frisch 问题下界 附录证明 报告人：周宗伟 Frisch问题介绍 假定条件： 所有的测量值均是真实值与噪声的叠加效应。即每一个因子的测量值都是真实值与该因子上的噪声的叠加。 任一因子上的噪声与其他因子噪声相互独立。 因子噪声与因子相互独立。 其中，x是因子矢量，v是噪声矢量，y是测量矢量。 所有的数据均是中心化以后的数据。 Frisch问题： 由假设条件我们得到： 是y的协方差矩阵。 是x的协方差矩阵。 是v的协方差矩阵，且 。 Frisch问题就是指我们从 中去尽可能多的挖掘出 的线性关系，从而可以在去噪后简化计算量又对实际结果影响不大。 以数学形式表述为： 进一步讨论 ： 如果 是半正定矩阵，那么我们可以认为它就是真实数据的协方差矩阵。Frisch问题就转化为计算 的秩的最小值。 我们写成如下形式： 式中 我们可以通过测量值计算出来。 因此，我们可以认为Frisch问题是一种矩阵秩的最小化问题。 Frisch的一处特例： Gram矩阵 在线性代数中，内积空间中的一组向量 的Gram矩阵即是矢量内积形成的对称矩阵。其元素为： 当向量V是随机变量时，它求得的Gram矩阵就是协方差矩阵。 因此当Frisch问题出现在确定性集合中， 被解释为矢量x和y的Gram矩阵，而不再是协方差矩阵。 Kalman定理介绍 F矩阵(Frobenius matrix) ,如果X中的所有元素都是正值，则X为F矩阵。 F等价(Frobenius equivalent) 已知矩阵 ,如果该矩阵能够通过在同时使第i行和i列(i=1,2,…,n)的元素符号发生变化后成为F矩阵，那么X矩阵被认为是F等价的。即存在一个对角矩阵J={±1}能够使得 Y=JXJ 为F矩阵，那么X矩阵被成为F等价。 所以，X是Frobenius equivalent， Y不是Frobenius equivalent。 卡尔曼简介 鲁道夫·卡尔曼（Rudolf Emil Kalman），匈牙利裔美国数学家，1930年出生于匈牙利首都布达佩斯。1953年于麻省理工学院获得电机工程学士，翌年硕士学位。1957年于哥伦比亚大学获得博士学位。提出著名的卡尔曼滤波。 卡尔曼滤波的一个典型实例是从一组有限的，包含噪声的，对物体位置的观察序列（可能有偏差）预测出物体的位置的坐标及速度，在很多工程应用(如雷达，计算机视觉)中都可以找到它的身影。同时，卡尔曼滤波也是控制理论以及控制系统工程中的一个重要课题。当输入为带有高斯白噪声的信号时，使期望输出和实际输出之间的均方根误差达到最小的线性系统，这种滤波方法以它的发明者鲁道夫.E.卡尔曼的名字命名为卡尔曼滤波。 Frisch问题中提出的Kalman定理即是研究有限的，含噪声的观察序列的真实线性关系以减少噪声影响所做出的成果。 Frisch问题下界 Frisch问题存在下界: 举例验证： 附：Frisch问题下界定理证明 设： Lemma 1. denotes the set of nonnegative-definite symmetric matrix. Lemma2： Lemma 3. In the case corank(A)=0, the result follows directly from lemma 2.