第一讲作业 1估计方式 状态估计公式 估计方差公式最小二乘 1TLSXHZLSDXR极大似然TM M最大后验,NP:11 ,TAXKRZH 11,TAPKHDZR最小方差(|)(|)MVxpzdEX ()(|)MVDXE线性最小方差1cov(,)ar()LXZZ 1cov,ar()LZD第一讲作业 2仿真文件，chapter1_work2.m由于 HT*H 会造成非奇异，因此将 H 进行修改，认为 H 的各项服从0,1 上的均匀分布，首先得到 H，再进行估计，设批处理时为H1，而递推采用的为 H2，分别为1 -0.4326 -.95 1.081-2 . . .87-67 -.465 0.3 -1.41925 . -.H .-78 0.3 .40 -.16-15927 -. . .3728- 0.3 -. .016952 -.4 . -1.674 .08 . 0.593692H2 0.159 .64 0.83571 .38 .2 .7 0.5 .9 0.54661 .4 .3 .872 0. .9 0.48批处理情形下，采用 分别得到批处理 X 的估计值为：1TTLSXHZ3.6490 2.78 -.3456LSX估计误差均值为-13.0649，方差为 4.3426。递推 Markov，采用 作为初值，得到 X 的两拍估计值为LSX(1)4.695 2.30 15.872746MX估计误差的均值分别为 0.2389，0.6339， 方差分别为3.0962，3.0415。因此可以看出递推形式明显好于批处理下进行估计。第二讲作业 1设设仿真步数为 M，仿真次数为 N，多次仿真文件：chapter2_work1.m单次仿真结果如下图：0 10 20 30 40 50 60 70 80 90 1001020304050607080仿仿1仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿0 10 20 30 40 50 60 70 80 90 10050100150200250300350仿仿1仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿噪声高斯分布分布 噪声均匀分布100 次仿真结果如下图：0 10 20 30 40 50 60 70 80 90 1001234567仿仿10仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿0 10 20 30 40 50 60 70 80 90 1002468101214161820仿仿10仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿噪声高斯分布分布 噪声均匀分布1000 次仿真结果如下图：0 10 20 30 40 50 60 70 80 90 1000.10.20.30.40.50.60.70.8仿仿100仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿0 10 20 30 40 50 60 70 80 90 1000.20.40.60.811.21.41.61.8仿仿100仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿仿噪声高斯分布分布 噪声均匀分布GUI 人机交互界面文件：KALMANsimulation_form.m，界面截图如下