文章目录Reference最czdyt乘法估计权重最czdyt乘法估计递归最czdyt乘法
Reference Matrix Differentiation加权最大czdyt乘法和局部加权线性回归卡尔曼滤波与组合导航原理(1-2说)最大czdyt乘法估计
Z=H X V Z=HX V Z=HX V
where，zisthemmdimensionobservationvector； X X X is a n n n dimension state vector； H H H is a m n m * n mn matrix； V V V is noise vector，e(v )=0，cov ) v )=e ) vt ) re ) v )=0，cov ) v )=e ) vv^t )=re ) v ) v ) v ) v
优化方程如下
minzhx2 min|| z-hx|| ^2minzhx2
关于xxx求出指导，将其结果设为0，求出xxx的最小方差估计
x^=(hth )1htz ) hat ) x )=) h^th ) ^{-1}h^tzx^=) hth )1htz
加权最大czdyt乘法运算推定最优化方程式如下所示，相当于添加了信息矩阵(协方差矩阵的逆)的方程式
最小(zhx ) tr1 ) zhx )最小(z-hx ) tr ^ {-1 } (z-hx ) min ) zhx ) tr1 ) zhx )
就xxx寻求指导，将其结果设为0，求出xxx的最佳估计
x^=(htr1h )1HTR1Z(hat ) x ) ) h^tr^{-1}h ) h^tr^{-1}zx^=) htr1h )1htr1z
递归czdyt乘法
分别递归地进行对方的差阵和状态推定，实际上在上次的时刻信息中表示了现在状态的推定
因为根据pk1p_{k-1}PK1计算P k P_k Pk需要反过来，所以这很麻烦。 使用矩阵求逆的公式。 恐怕，A A A是写两个三角排列的矩阵积的块矩阵，考虑是求inverse得到对应的求逆式。