残差检验需要进行统计检验。
如何在matlab中测试残差?我在画呢
- 我发现创新术语以之字形的方式在零附近振荡。
- 创新预期为零吗?如果是,怎么做?
据我理解,在EKF创新收敛后应该是一个0中心正态分布。但是如果你做了精确的初始化,那就不是问题了。
我这样做只是在我的头,所以我可能有一个错误,但他们的协方差矩阵应该是HPH'+R(以下http://en.wikipedia.org/wiki/Extended_Kalman_filter符号)。
要显示正态性,可以绘制直方图和/或q-plot。为了确认0中心,t检验可能是好的,如果它与协方差矩阵一致,甚至可能是卡方检验。
只要确保你总是正确地使用协方差矩阵。
当你描述大波动时,看起来有些矩阵选择不当
为了回答你的问题,我把你带到悉尼大学ACFR数据融合笔记中关于卡尔曼滤波的一个很好的资源。阅读55-60页。
这是第55页的摘录,描述了第58页上的图像:
要注意的最重要的一点是,创新顺序是零平均值和白色,大约65%的创新存在在"1 -sigma"标准偏差范围内。
换句话说,创新序列应该是零均值,并且有65%的值在0的一个标准差范围内。此外,95%的值应在三个标准差范围内。这些属性来自正态分布的定义
以下是[1]中提到的三个测试:
- 创新幅度界检验:基本上是将创新与矩阵s的sigma点进行比较。
- 标准化创新平方的卡方检验:标准化创新平方应该具有卡方分布。
- 创新白度(自相关)检验:创新应该是白色的,因此进行白度检验。
这三者在[1]中都有很好的解释。执行第二个测试的另一个有用参考是[2]。