本文探讨了在非线性滤波问题中使用的次优估计器——后验克拉美罗界(PCRB)。该文详细介绍了PCRB的数学表达及其在时变系统中的应用，并给出了针对离散时间多维非线性滤波问题的具体推导。
Intro
在诸如迭代控制、分析以及对于非静止时间序列的预测这些问题中，无法使用最优的估计器，需要使用次优的估计器。
时不变模型中，一般使用CRB，用Fisher信息矩阵的逆给出，但是在时变的系统中，参数向量变成了随机向量，由此开发出了posterior CRB,也称Van Trees 版的CRB。
文中提出了一个适用于离散时间的多维非线性滤波的CRB。
PCRB的性质
xxx是measurement, θ\thetaθ是r维的state，g(x)是将x映射为θ\thetaθ的函数。PCRB就可以表示成下面的样子:P=E{ [g(x)−θ][g(x)−θ]T}≥J−1P=E\{[g(x)-\theta][g(x)-\theta]^T\} \geq J^{-1}P=E{ [g(x)−θ][g(x)−θ]T}≥J−1, J就是r × r 的fisher 信息矩阵，其中的每一个元素的定义为Ji,j=E[−∂2log px,θ(X,Θ)∂Θi∂Θj],i,j=1,...,rJ_{i,j}=E[- \frac{\partial^2 log~p_{x,\theta}(X,\Theta)}{\partial \Theta_{i}\partial \Theta_{j}}], i,j=1 ,..., rJi,j=E[−∂Θi∂Θj∂2log px,θ(X,Θ)],i,j=1,
扫一扫
4143
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
