基于统计的融合.pptxVIP

基于统计的融合第1页/共115页 2 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第2页/共115页 3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3页/共115页 4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。第4页/共115页 5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 点估计的理论基础第5页/共115页 64.1 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）估计第6页/共115页 74.1 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。第7页/共115页 84.1 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。第8页/共115页 94.1 点估计的理论基础——一般概念 定理4.1.1（Cramer-Rao不等式）设 是参数x的一个正规无偏估计，则其估计误差的协方差阵满足Cramer-Rao不等式(4.1.5)其中 是估计误差，而 是Fisher信息矩阵（注意标量对向量求导取行向量），定义为(4.1.6) 其中 是给定x时y的条件概率密度函数。第9页/共115页 104.1 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)第10页/共115页 114.1 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