W statystyce i teorii sterowania filtrowanie Kalmana, znane również jako liniowa estymacja kwadratowa, jest algorytmem wykorzystującym serię pomiarów obserwowanych w czasie, w tym szum statystyczny i…
Co robią filtry Kalmana?
Filtry Kalmana są używane do optymalnego oszacowania zmiennych zainteresowań, gdy nie można ich zmierzyć bezpośrednio, ale dostępny jest pomiar pośredni. Są one również używane do znalezienia najlepszego oszacowania stanów poprzez połączenie pomiarów z różnych czujników w obecności szumu.
Dlaczego filtr Kalmana jest dobry?
Filtry Kalmana są idealne dla systemów, które ciągle się zmieniają. Mają tę zaletę, że zajmują niewiele pamięci (nie muszą przechowywać żadnej historii innej niż poprzedni stan) i są bardzo szybkie, dzięki czemu dobrze nadają się do rozwiązywania problemów w czasie rzeczywistym i systemów wbudowanych.
Dlaczego filtrowanie Kalmana jest tak popularne?
Używając okienkowego filtru kalmana do relinearyzacji przeszłych stanów lub podczas skorelowanych obserwacji w krokach czasowych, często znacznie łatwiej jest użyć normalnych równań. Ponadto macierz kowariancji filtra Kalmana może z czasem doprowadzić do niedodatnia półokreślenia.
Co to jest filtr Kalmana do śledzenia?
Filtr Kalmana (KF) [5] jest szeroko stosowany do śledzenia poruszających się obiektów, za pomocą którego możemy oszacować prędkość, a nawet przyspieszenie obiektu z pomiarem jego położenia. Jednakżedokładność KF zależy od założenia ruchu liniowego dla dowolnego obiektu, który ma być śledzony.
