首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >在扩展卡尔曼滤波中如何检验残差(创新)

在扩展卡尔曼滤波中如何检验残差(创新)
EN

Stack Overflow用户
提问于 2014-07-03 09:51:04
回答 3查看 1.9K关注 0票数 3

在剩余检查方面需要进行统计检验。

如何在matlab中测试残差?我在策划。

  1. 我发现创新项以一种曲折的方式在零度左右摆动。
  2. 创新预期为零吗?如果是的话,怎么做?
EN

回答 3

Stack Overflow用户

发布于 2014-07-03 10:27:19

据我所知,在EKF创新后收敛应该是0中心正态分布。但是如果你做了精确的初始化,这不是一个问题。

我只是在我的脑子里做这件事,所以我可能会有一个错误--但是它们的协方差矩阵应该是HPH'+R (遵循过滤器符号)。

为了显示正常状态,您可以绘制直方图和/或qq-图。如果与协方差矩阵一致的话,确定0中心t检验可能是好的,甚至可能是卡方检验。

只需确保您始终使用协方差矩阵进行适当的缩放。

正如你描述的大波动,它看起来有些矩阵是不正确的选择。

票数 3
EN

Stack Overflow用户

发布于 2015-01-09 11:28:29

为了回答您的问题,我将指导您从悉尼大学的ACFR 数据融合笔记获得一个很好的卡尔曼滤波资源。阅读第55至60页。

以下是第55页的摘录,描述了第58页上的一幅图像:

需要注意的最重要的一点是,创新序列是零均值和白色,大约65%的创新是在“一西格玛”的标准偏差范围内。

换句话说,创新序列应该是零均值,其值的65%在一个标准差为0。此外,95%的数值应在三个标准差内。这些性质来自正态分布的定义。

票数 0
EN

Stack Overflow用户

发布于 2022-05-21 06:12:59

下面是[1]中提到的三个测试

  1. 创新幅度定界检验:比较创新与从矩阵S得到的σ点的基础
  2. 关于正规化创新平方的x-平方检验:规范的新息平方应该有一个a-平方分布。
  3. 创新白度(自相关)测试:创新被认为是白色的,因此就进行了白度测试。

这三种情况在[1]中都有很好的解释。执行第二个测试的另一个有用的参考是[2]

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/24550423

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档