每日精学 180｜Cholesky预白化与加权残差

2026-09-25

← 技术专题 · 每日精学目录

雷达 · 通信 · 电子战　/　基础精学 180

正定噪声协方差的Cholesky因子可将相关噪声转换为单位协方差，从而把加权最小二乘写成普通欧氏残差。

实际记录只包含有限个采样值。由记录计算得到的数值与总体参数并不相同：前者受记录长度、噪声、边界约定及运算精度影响，后者属于给定模型的属性。建立可复核结论需要先固定输入含义、统计假设和归一化方式，再比较可计算量与理论量。

01
模型与符号

实对称正定噪声协方差；Cholesky下三角因子对角严格正；先采用线性方程求解而非显式求逆。

R：噪声协方差（幅度平方）

L：Cholesky因子（幅度）

$\widetilde e$ ：白化残差（无量纲）

02
从模型到公式

协方差分解

正定条件保证具有正对角下三角分解。

$R=LL^{\mathrm T}$

白化定义

通过下三角方程解出白化残差。

$L\widetilde e=e,\quad\widetilde e=L^{-1}e$

白化协方差

将原协方差代入线性变换关系。

$\operatorname{cov}(\widetilde e)=L^{-1}RL^{-\mathrm T}=I$

加权范数

原空间的逆协方差度量等于白化空间的欧氏范数。

$e^{\mathrm T}R^{-1}e=e^{\mathrm T}L^{-\mathrm T}L^{-1}e=\|\widetilde e\|_2^2$

模型同时变换

数据和设计矩阵必须用相同因子处理。

$\widetilde y=L^{-1}y,\quad\widetilde A=L^{-1}A,\quad\min_\theta\|\widetilde y-\widetilde A\theta\|_2^2$

二阶前代

两维下可清晰展示顺序计算依赖。

$\widetilde e_1=e_1/L_{11},\quad\widetilde e_2=(e_2-L_{21}\widetilde e_1)/L_{22}$

三角求解与Mahalanobis长度

协方差 R 正定时，Cholesky 分解为 $R=LL^{\mathrm T}$ 。预白化残差由三角方程 Lw=r 求解，无需显式构造逆矩阵。

其能量满足

$w^{\mathrm T}w=r^{\mathrm T}L^{-\mathrm T}L^{-1}r=r^{\mathrm T}R^{-1}r.$

故普通欧氏长度在白化坐标中对应原坐标的协方差加权长度。

若先对白化坐标施加任意正交旋转 U，有

$\|Uw\|^2=\|w\|^2.$

白化矩阵并非唯一，但加权残差值不变。协方差近奇异时，弱方差方向会被强烈放大；

增加对角正则量改变了度量，应明确其是建模选择，而不是完全等价的数值实现。

03
物理含义

白化改变坐标尺度与方向，使所有噪声方向拥有相同方差。若仅变换观测而不变换模型，拟合对象就被改变；正确预白化必须保持残差的线性关系。

04
固定参数算例

选择下三角L为[2,0;1,2]，产生50000组相关高斯样本，验证白化协方差接近单位阵和加权范数恒等式。数值脚本使用固定随机种子；随机实验的判据采用有限容差，代数关系的判据采用浮点残差。图中同时展示参数变化趋势与对应误差，关键数值写入独立结果文件。

固定参数数值验证结果

量	数值
样本数	50000
original cross covariance	2.00657465292
whitened cross covariance	0.00419857321564
whitened covariance error	0.00788308362806
weighted norm identity error	3.5527136788e-15
triangular solve error	4.4408920985e-16
covariance condition number	2.6908734572

图 1　Cholesky预白化与加权残差的固定参数数值验证

表中数值和图中曲线由 MATLAB 实际运行得到，随机种子为 20261099；运行版本与完整结果另存为独立文件。

05
数字实现的边界

SystemVerilog实现固定L为[2,0;1,2]的二阶三角前代整数子核；二除法采用算术右移向负无穷截断，通用Cholesky分解在软件中完成。

端口为16位有符号码，内部64位，同步复位，valid空拍保持状态；逐有效输入输出。自检覆盖多组数据、空拍、边界和复位，仅验证所述整数子核，不代表完整算法的硬件验证。

独立自检程序已在 Icarus Verilog 13.0 中实际运行并通过。该结果不包含器件综合、静态时序分析或板级测试。

06
适用范围

用于已知相关噪声下的参数拟合、统计距离计算和多通道噪声尺度统一。实际求解宜使用三角回代而非构造显式逆矩阵。

07
工程上需要注意

半正定或奇异协方差需要降秩处理，不能直接普通Cholesky。

协方差标定误差会留下白化残差相关。

有限精度实现必须区分输入量化、内部舍入和最终结果格式，不能仅依据浮点曲线估计硬件误差。

Cholesky预白化把逆协方差权重变成普通欧氏度量，同时要求数据和模型使用同一三角变换。

内容依据：每日精学第 180 课《Cholesky预白化与加权残差》。图表沿用原课固定参数数值结果，属于数值验证，不代表设备实测。

阅读7

写评论...

每日精学 180｜Cholesky预白化与加权残差

01模型与符号

02从模型到公式