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12,初方差6,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 [11, 7] | 12.000000 | 7.000000 | 0.500000 | -1.000000 | 11.500000 | 3.500000 [6, 5] | 11.500000 | 4.500000 | 0.473684 | -5.500000 | 8.894737 | 2.368421 [6, 2] | 8.894737 | 3.368421 | 0.627451 | -2.894737 | 7.078431 | 1.254902 [13, 25] | 7.078431 | 2.254902 | 0.082734 | 5.921569 | 7.568345 | 2.068345 [5, 8] | 7.568345 | 3.068345 | 0.277218 | -2.568345 | 6.856354 | 2.217745 [20, 5] | 6.856354 | 3.217745 | 0.391561 | 13.143646 | 12.002887 | 1.957803
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。
