没有合适的资源?快使用搜索试试~ 我知道了~
机器人学中的状态估计1
需积分: 0 1 下载量 84 浏览量
2022-08-04
15:14:06
上传
评论 1
收藏 544KB PDF 举报
温馨提示
试读
31页
机器人中的状态估计课后习题答案完成人:高明联系方式:知乎:高明微信:gaoming09012.概率论基础假设 , 是相同维度向量, 请证明下面等式:如果有两个相
资源详情
资源评论
资源推荐
机器人中的状态估计课后习题答案
完成人:高明
联系方式:
知乎:高明
微信:gaoming0901
2.概率论基础
2.5.1
假设 , 是相同维度向量, 请证明下面等式:
solution:
2.5.2
如果有两个相互独立的随机变量 , ,它们的联合分布为 ,请证明它们概率的香浓信息等于各自独立香浓信
息的和:
solution:
u v u v =
T
tr(vu )
T
u = (x , x , ..., x )
1 2 n
T
v = (y , y , ..., y )
1 2 n
T
u v =
T
x y +
1 1
x y +
2 2
... + x y
n n
= x y∑
i=1
n
i i
uv =
T
⎣
⎢
⎢
⎢⎢
⎡
x y
1 1
⋯
⋮
⋯
⋯
x y
2 2
⋮
⋯
⋯
⋯
⋱
⋯
⋯
⋯
⋮
x y
n n
⎦
⎥
⎥
⎥⎥
⎤
tr(uv ) =
T
x y =∑
i=1
n
i i
u v
T
x y p(x, y)
H(x, y) = H(x) + H(y)
H(x, y)
因为 , 独立
2.5.3
对于高斯分布的随机变量, ~N( , ),请证明下面的等式:
solution:
因为
因此
2.5.4
对于高斯分布的随机变量,x~N( , ),请证明下面的等式:
solution:
= −E (ln(f (x, y)))
(x,y)
= − f(x, y)ln(f(x, y))dxdy∫
−∞
∞
∫
−∞
∞
x y
H(x, y)
= − f(x)f(y)[ln(f (x)) +∫
−∞
∞
∫
−∞
∞
ln(f(y))]dxdy
= −[ (f(x)ln(f(x))dx] ∗∫
−∞
∞
f(y)dy −∫
−∞
∞
[ f(y)ln(f(y))dy] ∗∫
−∞
∞
f(x)dx∫
−∞
∞
= − (f(x)ln(f(x))dx −∫
−∞
∞
f(y)ln(f(y))dy∫
−∞
∞
= H(x) + H(y)
x μ Σ
μ = E[xx ] =
T
Σ + μμ
T
Σ
= E[(x − μ)(x − μ) ]
T
= E(xx −
T
xμ −
T
μx +
T
μμ )
T
= E(xx ) −
T
E(x)μ −
T
μE(x ) +
T
μμ
T
E(x) = μ
Σ = E(xx ) −
T
μμ
T
E(xx ) =
T
Σ + μμ
T
μ Σ
μ = E(x) = xp(x)dx∫
−∞
∞
E(x)
做变换:
可得:
上式第一项由于奇函数在关于0对称空间积分为0
上式第二项扣除 满足概率归一化条件
2.5.5
对于高斯分布的随机变量, ~ ,证明下式:
solution:
做代换
下面参考文献【1】中公式(108)如下式:
上式中X是矩阵,向量算特殊矩阵,直接带入,向量表达式如下:
由于协方差矩阵是对称矩阵,根据等式 :
= exp(− (x −∫
−∞
∞
det(Σ)(2π)
N
x
2
1
μ) Σ (x −
T −1
μ))dx
y = x − μ
x = y + μ
E(x)
= exp(− y Σ y)dy∫
−∞
∞
(2π) det(Σ)
N
y+μ
2
1
T −1
= exp(− y Σ y)dy +∫
−∞
∞
(2π) det(Σ)
N
y
2
1
T −1
exp(− y Σ y)dy∫
−∞
∞
(2π) det(Σ)
N
μ
2
1
T −1
μ
E(x) = μ
x N(μ, Σ)
Σ = E[(x − μ)(x − μ) ] =
T
(x −∫
−∞
∞
μ)(x − μ) p(x)dx
T
E[(x − μ)(x − μ) ]
T
= exp(− (x −∫
−∞
∞
det(Σ)(2π)
N
(x−μ)(x−μ)
T
2
1
μ) Σ (x −
T −1
μ))dx
y = x − μ
E[(x − μ)(x − μ) ]
T
= exp(− (y Σ y))dy.................. <∫
−∞
∞
det(Σ)(2π)
N
yy
T
2
1
T −1
0 >
(X BX) =
∂X
∂
T
BX + B X
T
(x Bx) =
dx
d
T
Bx + B x......................................... <
T
1 >
< 1 >
对于<2>式变换:
将<3>式带入<0>式:
分步积分法:
2.5.6
对于K个相互独立的高斯变量, ~ ,请证明它们的归一化积仍然是高斯分布:
其中:
且 归一化因子。
solution:
(x Σ x) =
dx
d
T −1
Σ ∗
−1
x + Σ ∗
−T
x = 2 ∗ Σ ∗
−1
x..... < 2 >
(− x Σ x) =
dx
d
2
1
T −1
(− )(Σ ∗
2
1
−1
x + Σ ∗
−T
x) = Σ ∗
−1
x
= x Σ ................................................................ <
T −1
3 >
E[(x − μ)(x − μ) ]
T
= exp(− (y Σ y))d(− (y Σ y))∫
−∞
∞
det(Σ)(2π)
N
−y∗Σ
2
1
T −1
2
1
T −1
= d(exp(− (y Σ y))∫
−∞
∞
det(Σ)(2π)
N
−y∗Σ
2
1
T −1
E[(x − μ)(x − μ) ]
T
= ∗
det(Σ)(2π)
N
y∗Σ
exp(− (y Σ y))∣ +
2
1
T −1
−∞
+∞
exp(− (y Σ y))dy∫
−∞
∞
det(Σ)(2π)
N
Σ
2
1
T −1
= 0 + Σ
= Σ
x
k
N(μ , Σ )
k k
exp(− (x −
2
1
μ) Σ (x −
T −1
μ) ≡ η exp(− (x −
k=1
∏
K
2
1
k
μ ) Σ (x −
k
T
k
−1
k
μ ))
k
Σ =
−1
Σ
k=1
∑
K
k
−1
Σ μ =
−1
Σ μ
k=1
∑
K
k
−1
k
η
随机变量 的概率密度函数如下:
将指数部分的求和号展开:
因为协方差矩阵是对称矩阵,<0>式中
因此:
在式<1>中:
为二次项
为一次项
可以凑出“完全平方形式”
上式中M为一个常数;
根据上式二次项一次项对应参数,可以得到:
x
k
f (x) =
k
exp(− (x −
det(Σ )(2π)
N
k
k
−1
1
2
1
μ ) Σ (x −
k
T
k
−1
μ ))
k
f (x) ∗
1
f (x) ∗
2
... ∗ f (x)
K
= exp(− (x −
det(Σ )(2π)
N∑
k=1
K
k
∏
k=1
K
k
1
2
1
∑
k=1
K
μ ) Σ (x −
k
T
k
−1
μ))
f (x) ∗
1
f (x) ∗
2
... ∗ f (x)
K
= exp(− (x ( Σ )x −
det(Σ )(2π)
N∑
k=1
K
k
∏
k=1
K
k
1
2
1
T
∑
k=1
K
k
−1
( μ Σ )x −∑
k=1
K
k
T
k
−1
x Σ μ +
T
∑
k=1
K
i
−1
i
μ Σ μ )).................................................... <∑
k=1
K
k
T
k
−1
k
0 >
( μ Σ )x =∑
k=1
K
k
T
k
−1
x Σ μ
T
∑
k=1
K
i
−1
i
f (x) ∗
1
f (x) ∗
2
... ∗ f (x)
K
= exp(− (x ( Σ )x −
det(Σ )(2π)
N∑
k=1
K
k
∏
k=1
K
k
1
2
1
T
∑
k=1
K
k
−1
2x Σ μ +
T
∑
k=1
K
i
−1
i
μ Σ μ ))..................... <∑
k=1
K
k
T
k
−1
k
1 >
x ( Σ )x
T
∑
k=1
K
k
−1
2x Σ μ
T
∑
k=1
K
i
−1
i
f (x) ∗
1
f (x) ∗
2
... ∗ f (x)
K
= exp(− (x −
det(Σ )(2π)
N∑
k=1
K
k
∏
k=1
K
k
1
2
1
μ) Σ (x −
T −1
μ) + M )
f (x) ∗
1
f (x) ∗
2
... ∗ f (x)
K
= exp(− (x −
det(Σ )(2π)
N∑
k=1
K
k
∏
k=1
K
k
1
2
1
μ) Σ (x −
T −1
μ)) ∗
exp(M)..................................................................... < 2 >
Σ =
−1
Σ
k=1
∑
K
k
−1
剩余30页未读,继续阅读
八位数花园
- 粉丝: 44
- 资源: 281
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0