A: 状态预测的精度与状态方程的精度有关
B: 状态预测方差反比于过程噪声方差
C: 增益矩阵的作用是平衡状态预测和新息
D: 估计误差方差正比于观测误差方差
举一反三
- 卡尔曼滤波的5个方程包括状态预测方程、均方方差预测方程、增益方程、状态估计方程及均方误差估计方程。（ ）
- 关于卡尔曼滤波，以下说法不正确的是（ ）。 A: 量测噪声方差越大，则滤波越依赖预测 B: 采用线性最小均方误差估计规则 C: 状态噪声方差越大，则增益越小 D: 滤波结果一定是无偏的
- 下列属于卡尔曼滤波的主要步骤包括（ ）。 A: 状态一步预测 B: 滤波增益计算 C: 一步预测均方误差计算 D: 状态估计均方误差计算
- 卡尔曼滤波过程中的卡尔曼增益矩阵与噪声方差阵（ ）
- 一个标量系统的状态方程和观测方程分别为????[????+1]=????????[????]+????[????] ????[????]=????[????]+????[????]。卡尔曼滤波误差方差和预测误差方差分别为????????[????????]=(1−????[????])????????[????????−1]=????????2????????[????????−1????????[????????−1]+????????2、????????[????????−1]=????2????????[????−1????−1]+????????2P_x ̃[k∕k]=(1-K[k]) P_x ̃[k∕k-1]=(σ_w^2) P_x ̃[k∕k-1]/(P_x ̃[k∕k-1]+(σ_w^2) ) P_x ̃[k∕k-1]=(a^2) P_x ̃[k-1∕k-1]+(σ_n^2)，则下列说法中不正确的是： A: 第k时刻的滤波误差方差P_x ̃[k∕k] £ 第k时刻的预测误差方差P_x ̃[k∕k-1] B: 第k时刻的滤波误差方差????????[????????]P_x ̃[k∕k] ³ 第k时刻的预测误差方差????????[????????−1]P_x ̃[k∕k-1] C: 滤波误差方差????????[????????]P_x ̃[k∕k] £观测噪声方差????????2σ_w^2 D: 预测误差方差P_x ̃[k∕k-1] ³扰动噪声方差σ_n^2
内容
- 0
一个标量系统的状态方程和观测方程分别为 x[k+1]=ax[k]+n[k] z[k]=x[k]+w[k]系统的卡尔曼增益为????[????]=????????[????????−1]????????[????????−1]+????????2−1K[k]=P_x ̃ [k∕k-1](P_x ̃ [k∕k-1]+σ_w^2 )^(-1)，关于它说法正确的是： A: 卡尔曼增益可以离线计算，而且其值在[0,1/2]之间 B: 预测误差方差越大，卡尔曼增益越小 C: 观测方差越大，卡尔曼增益越大 D: 卡尔曼增益越大，新息对估计的修正作用越强
- 1
关于卡尔曼滤波算法的推导，下列说法正确的是 A: 正交投影可以按线性最小均方估计来计算； B: 观测的预测误差也称为新息 C: 滤波方程可以理解预测加修正项，修正的系数项称为卡尔曼增益； D: 预测值是根据模型中的确定性部分来预测的，而白噪声是不可预测的。
- 2
因为假设状态分布是高斯分布，所以只需要估计出均值和方差就完成了卡尔曼滤波推理，那...计t+1时刻状态高斯分布的均值和方差。
- 3
标量系统的状态方程和观测方程分别为????[????+1]=????????[????]+????[????]????[????]=????[????]+????[????]已知????=0.5, n[k]为和w[k]分别为白噪声，且观测噪声方差σ_w^2=8，状态噪声方差σ_n^2=7，则以下关于卡尔曼增益和滤波误差方差稳态值的说法正确的是： A: K(¥)=0.5，P_x ̃ [¥]=4 B: K(¥)=0.5，P_x ̃ [¥]=2 C: K(¥)=0.25，P_x ̃ [¥]=4 D: K(¥)=0.25，P_x ̃ [¥]=2
- 4
卡尔曼滤波算法可以用于（ ） A: 状态估计 B: 状态预测 C: 状态平滑 D: 系统辨识