1. 最小二乘（LS）、加权最小二乘估计（WLS）、递推最小二乘（RLS）
2. 最小均方误差估计（MSE）
3. 卡尔曼滤波
3.1 理解
- 基于最小均方误差准则MMSE
- 线性系统
- 递推算法
- 最优滤波算法
卡尔曼滤波器稳态误差和稳态误差的方差？
3.2 使用过程中注意的问题
-
滤波器系数的确定
由系统模型、观测模型、采样周期来确定
- 滤波器初值的确定
- 过程噪声和测量噪声的方差估计
卡尔曼滤波器设计和调试中重要而困难的一步
噪声建模： 自相关、功率谱密度、阿伦方差
假设检验： 构造统计量，做统计实验，对总体分布进行假设检验
（1） 仪器仪表说明书，一般有厂家标定的功率谱度量值
（2） 采集实验数据做自相关（功率谱）分析、艾伦方差分析
3.3 测量噪声和误差源如何从物理意义上理解过程噪声和观测噪声？
过程噪声：激励噪声，非可控激励（输入）。激励是改变状态的原因，从改变状态的原因里扣除可控的部分之后剩下的部分即为激励噪声。
观测噪声：由测量误差源激励的测量系统的输出。
《现代控制理论与应用》 齐晓慧 国防工业出版社
3.4 测量噪声和误差源
以GPS定位系统为例，伪距测量噪声由所有误差源（卫星钟差、星历误差、电离层延时、对流程延时、 多径、接收机噪声（热噪声、量化噪声等）、接收机钟差）折合成测距误差构成。
一般来说，测量误差源包括：
- 噪声(noise)
- 偏差(offset)
- 比例因子（scale）
- 非线性（Nonlinearity）
- 非正交（Nonorthogonal）【矢量传感器】
- 非对准（Misalignment）【矢量传感器】
- 死区误差
- 量化误差