我有一个线性卡尔曼滤波器算法的问题，该算法将一些传感器测量值作为输入$z_i$具有已知测量误差和标准偏差$\sigma_{i,{measured}}$（假设正态分布）并给出该测量的更新（后验）状态估计作为输出$x_i$ 以及我们从中得到的估计的更新后验协方差误差$\sigma_{i, {estimated}}$.

我正在寻找统计方法来评估估计器算法的性能。作为第一种方法，我正在考虑计算测量值与估计值的差异（$|z_i-x_i|$) 并检查这些差异中的 66.66%——假设两个向量的误差是正态分布的——是否位于它们的不确定性之和之间$\sigma_{i,{measured}}+\sigma_{i,{estimated}}$. 您认为这是了解估算器是否错误的好方法吗？

还有其他验证卡尔曼滤波器性能的想法吗？在文献中搜索我发现了很多将估计值与真实值进行比较的论文，但我不知道模型的真实值。我只想从测量和估计以及它们记录/预测的不确定性中推断出估计器的准确性。如果可以识别出错误，是否有办法分离测量模型错误（从乘法中引入的错误$Hx$) 来自流程模型错误？