平滑位置估计时怎样让不确定性决定新观测权重:机制分析第24例
平滑跟踪数值时,新观测未必总是同样可靠。可以显式记录当前估计的不确定程度,并让新观测的误差参数决定这一次更新应更相信旧估计还是测量。
先明确输入与规则
本例是一个自定义的一维随机游走估计模型。每步先把旧方差P加过程量Q,得到预测方差;增益K为预测方差除以预测方差加观测方差R。新估计为旧估计加K乘观测与旧估计之差,新方差为(一减K)乘预测方差。
本例的独立记录
初估计2,初方差5,每步过程量1。观测记录由数值和方差R组成。
观测、R | 旧估计 | 预测方差 | 增益 | 创新 | 新估计 | 新方差 [4, 5] | 2.000000 | 6.000000 | 0.545455 | 2.000000 | 3.090909 | 2.727273 [9, 1] | 3.090909 | 3.727273 | 0.788462 | 5.909091 | 7.750000 | 0.788462 [8, 5] | 7.750000 | 1.788462 | 0.263456 | 0.250000 | 7.815864 | 1.317280 [12, 25] | 7.815864 | 2.317280 | 0.084828 | 4.184136 | 8.170797 | 2.120709 [18, 10] | 8.170797 | 3.120709 | 0.237846 | 9.829203 | 10.508635 | 2.378461 [20, 7] | 10.508635 | 3.378461 | 0.325526 | 9.491365 | 13.598323 | 2.278683
记录中的编号只用来区分本例对象,不应与大小排名或另一组记录的身份混淆。先核对单位和边界,再跟随中间值检查结果。空结果、零值与尚未确定是不同状态;分数保留精确含义,显示小数只为方便阅读。
怎样复算
P、Q、R在例中为正,增益应严格位于零与一之间,新估计位于旧估计和观测之间。R变大时其他条件不变,观测权重会减小;预测不确定性增大则会提高观测权重。
逐步记录创新量、增益和新方差,再与固定权重平均区分。虽然输出看起来都平滑,权重来源并不相同。示例显示小数用于阅读,保存的分数可以精确复核,避免把显示舍入当成内部计算规则。
适用条件与限制
这是在明确模型与误差参数下的数值练习,没有保证真实游戏测量满足相应假设。R不是用来随意掩盖异常的开关;若运动模型与实际变化差很多,滤波可能延迟或偏离,需要检查输入和模型而不是只调一个参数。
练习时可以一次只改变一个条件,比较差异从哪个步骤开始。若自己的结果不同,先核对是否采用同样的规则,再定位第一个不一致的中间状态,不要只修改最终答案。输入与运算过程需要一起保存,才能判断结论究竟适用于哪一个具体场景。
