PCRLB推导

衡量非线性滤波问题的估计精度,可以通过求解均方误差下界实现。从理论上CRLB 可为任何无偏估计提供误差下界, 但其本身不具备预测能力因此不能用来指导对运动目标进行资源分配。 PCRLB具有预测能力, 能为下一时刻的目标状态估计误差提供下界, 因此常被用作运动目标跟踪误差的评价准则。

用量测信息z_k^q对目标状态向量x_k^q进行估计时, 其无偏估计量\hat{x}_{k|k}^{q}(z_k^q) 与目标状态向量间必须满足:

  J^{-1}(x_k^q)表示 k 时刻目标 q PCRLB, 即关于x_k^q的Fisher 信息矩阵(FIM, Fisher Information matrix)逆。 FIM 可计算如下:

 P(z_k^q,x_k^q,)表示状态向量与量测向量的联合 PDF

k 时刻关于目标 q FIM 的递推式可计算为: 

 这部分的参考文献如下:

详细证明过程如图所示 

Logo

有“AI”的1024 = 2048,欢迎大家加入2048 AI社区

更多推荐