上接测量噪声包含噪声的测量仪测量模型
建立含噪声的测量模型后,需要选择传感器模型参数,参数包含zhit、zshort、zmax、zrand、σhit和λshort,所有的内部参数标记为Θ,传感器测量的似然就是Θ的函数。
从实际数据中获得这些参数,通过考虑参考数据集Z={zi}(联合位置X={xi}和地图m)的似然最大化。似然由下式给出
p(Z∣X,m,Θ)目标是确定使这个似然最大的固有参数Θ。使用数据似然最大化的估计或算法称为极大似然估计或ML估计。为了推导极大似然估计,引入辅助变量ci,即一致性变量。ci可能取四个值,对应着产生测量zi的四个可能途径。
基于ci的值,可以将Z分解为四个不相交的子集Zhit、Zshort、Zmax和Zrand。对于参数zhit、zshort、zmax、zrand的极大似然估计是简单的归一化系数。
⎝⎜⎜⎛zhitzshortzmaxzrand⎠⎟⎟⎞=∣Z∣−1⎝⎜⎜⎛∣Zhit∣∣Zshort∣∣Zmax∣∣Zrand∣⎠⎟⎟⎞∣Z∗∣表示所有测量点zi在每次测量中的权值(对应四种途径)和。获取固有参数σhit
p(Zhit∣X,m,Θ)=zi∈Zhit∏phit(zi∣xi,m,Θ)=zi∈Zhit∏2πσhit21e−21σhit2(zi−zi∗)2取对数(连乘变为连加),求导,由极值的必要条件,对数函数单调递增性质得极大似然估计解:
σhit=∣Zhit∣1zi∈Zhit∑(zi−zi∗)2求解参数λshort使用相同的方法,求解结果为:
λshort=∑zi∈Zshortzi∣Zshort∣上述推导为假设参数ci已知,现在延伸到ci未知,使用EM算法求解,第一步计算ci的期望值,第二步计算该期望值下的固有模型参数。将前文极大似然估计中:
log p(Z∣X,m,Θ)=zi∈Z∑log p(zi∣xi,m)=zi∈Zhit∑log phit(zi∣xi,m)+zi∈Zshort∑log pshort(zi∣xi,m)+zi∈Zmax∑log pmax(zi∣xi,m)+zi∈Zrand∑log prand(zi∣xi,m)改写为
log p(Z∣X,m,Θ)=zi∈Z∑I(ci=hit)log phit(zi∣xi,m)+I(ci=short)log pshort(zi∣xi,m)+I(ci=max)log pmax(zi∣xi,m)+I(ci=rand)log prand(zi∣xi,m)zi的取值范围变化!!!求解期望值最大得:
E(log p(Z∣X,m,Θ))=zi∈Z∑ei,hitlog phit(zi∣xi,m)+ei,shortlog pshort(zi∣xi,m)+ei,shortlog pmax(zi∣xi,m)+ei,randlog prand(zi∣xi,m)使用EM算法实现最大化,固定变量σhit和λshort,计算变量ci的期望。
⎝⎜⎜⎛ei,hitei,shortei,maxei,rand⎠⎟⎟⎞=η⎝⎜⎜⎛phit(zi∣xi,m)pshort(zi∣xi,m)pmax(zi∣xi,m)prand(zi∣xi,m)⎠⎟⎟⎞其中η=[phit(zi∣xi,m)+pshort(zi∣xi,m)+pmax(zi∣xi,m)+prand(zi∣xi,m)]−1
⎝⎜⎜⎛zhitzshortzmaxzrand⎠⎟⎟⎞=∣Z∣−1i∑⎝⎜⎜⎛ei,hitei,shortei,maxei,rand⎠⎟⎟⎞
σhit=∑zi∈Zei,hit1zi∈Z∑ei,hit(zi−zi∗)2λshort=∑zi∈Zei,shortzi∑zi∈Zei,short给每个测量值zi按照概率值在η(归一化系数)中的比例加权。