第2章 基于误差值大小的度量

在科学和工程领域，关于参数、信号、状态的估计算法的应用已经非常广泛；但无论估计算法或者估计器在理论上有多么可靠，都必须基于实际的需求，在实践中对它们的性能及特征进行评估，如有效性的保证、自身性能的证明或与其他估计器性能优劣的比较等。

对目标识别、目标跟踪和数据融合的性能评估指标的研究，历来是国内外研究的重点[18][45]，但现有针对估计性能方面的评估研究相对有限。估计算法性能评估的一个关键方面，是遵循公正、合理、物理含义明晰等原则，正确选择衡量算法性能的指标。在对估计算法的性能评估研究中，现有的评估方法多是直接对估计误差做某种意义上的平均。其中，广泛应用的均方根误差（Root Mean Square Error, RMSE）易受大的误差值主导。为了克服这一缺点，文献[73]给出了一些可供选择的绝对度量，如调和平均误差（Harmonic Average Error, HAE）、几何平均误差（Geometric Average Error, GAE）、平均欧几里得误差（Average Euclidean Error, AEE）、误差中位数（Median Error）和众数（Mode）。这些度量方法可以反映估计算法不同方面的性能。