Dokument 1.pdf - Universität Siegen
Dokument 1.pdf - Universität Siegen
Dokument 1.pdf - Universität Siegen
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
10.5 Herleitung des Maximum-Likelihood Verfahrens<br />
10.5.1 Berechnung der Likelihood-Funktion<br />
Mit den abgeleiteten VDF in den Gleichungen (10.14) und (10.17) steht die Likelihood-<br />
Funktion aus Gleichung (5.137) für ein Kalman-Filter als Zustandsschätzer und ein ML-<br />
Ansatz als Parameterschätzer zur Verfügung. Da die Logarithmus-Funktion monoton<br />
steigendes Verhalten besitzt, kann zur Bestimmung des Maximums die logarithmierte<br />
VDF aus Gleichung (5.137) herangezogen werden.<br />
ln f x(k),Y k /θ (ξ,yk /ϑ) =<br />
−<br />
n + m<br />
2<br />
· ln(2 · π) − 1 2 · ln(|P + (k)|) − 1 2 ·<br />
k∑<br />
ln(P yy )(j)<br />
− 1 2 · [ξ − ˆx+ k ]T · P + (k) −1 · [ξ − ˆx + k ]<br />
− 1 k∑<br />
2 · [ζ − C(j) · ˆx − j ] T · P yy (j) · [ζ − C(j) · ˆx − j ] (10.18)<br />
j=1<br />
Zur Bestimmung des Maximums der Likelihood-Funktion wird die partielle Ableitung<br />
der Funktion aus Gleichung (10.18) in eine partielle Ableitung der Zustände und eine<br />
partielle Ableitung der Parameter zerlegt. Im ersten Schritt wird die partielle Ableitungen<br />
zur Bestimmung des Maximums der Likelihood-Funktion nach der Variable ξ für die<br />
Zustandsschätzung betrachtet. Dabei wird der Parametervektor θ, wie vorher festgelegt,<br />
als konstant angenommen.<br />
∂<br />
∂ξ [ln f x(k),Y k /θ (ξ,yk /ϑ)]<br />
∣ = 0 T (10.19)<br />
ϑ=ˆθ=const, ξ=ˆx<br />
Mit diesen Bedingungen ergibt sich für die partielle Ableitung nach ξ:<br />
[ξ − ˆx + k ]T · P + (k)| ϑ=ˆθ, ξ=ˆx<br />
=0 T (10.20)<br />
ξ =ˆx + k ∣ ⇒ [ξ − ˆx + k ]| ϑ=ˆθ<br />
=0 (10.21)<br />
ϑ=ˆθ<br />
In Gleichung (10.21) ist die Lösung für die Maximierung der Likelihood-Funktion im Bezug<br />
auf die Zustandsschätzung dargestellt, wenn der Schätzwert der Parameter konstant<br />
vorausgesetzt wird. Für die Zustandsschätzung ist für diese Bedingung der Maximum-<br />
Likelihood Schätzwert gleich dem Kalman-Filter Schätzwert des Zustandsschätzers. Mit<br />
diesem Ansatz läßt sich der Maximum-Likelihood Schätzwert für die Zustandsschätzung<br />
mit einem Kalman-Filter bestimmen. Im zweiten Schritt werden die partiellen Ableitungen<br />
nach dem Parametervektor ϑ vorgenommen, um das Maximum der Likelihood-<br />
Funktion zu bestimmen.<br />
∂<br />
∂ϑ [ln f x(k),Y k /θ (ξ,yk /ϑ)]<br />
∣ = 0 T (10.22)<br />
ϑ=ˆθ, ξ=ˆx<br />
+<br />
k<br />
j=1<br />
155