www.pudn.com > Weight_LS.rar > ls_estimate.m, change:2016-01-09,size:925b


%  
% synax: 
%    [x,x_error,x_p]=ls_estimate(H,z,R,v) 
%  
% Demidsion of x :N 
% In: 
%    H - LxN 量测矩阵 
%    z - Lx1 量测值 
%    R - LxL 正定权值矩阵,其扩维向量分块对角正定 
%    w - Lx1 量测高斯噪声 
% Note: 在上述维数的基础上扩展成K维向量或矩阵 K为获得的量测数 
% Out: 
%    x - Nx1 待估计量 
%  
% Description: 
%    加权最小二乘估计,此模型为 
%      
%    z(i)=H(i)x+w(i) 
%  
%    J(k)=[z-Hx]'/R*[z-H] 
%  
%    最小二乘估计满足如下方程: 
%    
%    x=H'/R*H\H'/R*z 
%  
%  Note:  
%     H、R、z、w均为扩维向量 
%  
%  History: 
%  
%  Copyright (C) 2016.1.9 SCA 
%  
function [x,x_error,x_p] = ls_estimate(H,z,w,R) 
 
if nargin < 3      %最小二乘估计 
    w = []; 
end 
 
if nargin < 4 
    R = []; 
end 
 
if isempty(w) 
    w=zeros(size(z,2),1); 
end 
 
if isempty(R) 
    R = eye(size(z,1)); 
end 
 
x = (H'/R*H)\H'/R*z; %待估参数向量 
x_error = (H'/R*H)\H'/R*w;%估计误差 
x_p=inv(H'/R*H);%估计误差方差