Στη στατιστική και τη θεωρία ελέγχου, το φιλτράρισμα Kalman, γνωστό και ως γραμμική τετραγωνική εκτίμηση, είναι ένας αλγόριθμος που χρησιμοποιεί μια σειρά μετρήσεων που παρατηρούνται με την πάροδο του χρόνου, συμπεριλαμβανομένου του στατιστικού θορύβου και …
Τι κάνουν τα φίλτρα Kalman;
Φίλτρα Kalman χρησιμοποιούνται για την βέλτιστη εκτίμηση των μεταβλητών των ενδιαφερόντων όταν δεν μπορούν να μετρηθούν άμεσα, αλλά είναι διαθέσιμη μια έμμεση μέτρηση. Χρησιμοποιούνται επίσης για την εύρεση της καλύτερης εκτίμησης των καταστάσεων συνδυάζοντας μετρήσεις από διάφορους αισθητήρες παρουσία θορύβου.
Γιατί είναι καλό το φίλτρο Kalman;
Τα φίλτρα Kalman είναι ιδανικά για συστήματα που αλλάζουν συνεχώς. Έχουν το πλεονέκτημα ότι είναι ελαφριά στη μνήμη (δεν χρειάζεται να διατηρούν άλλο ιστορικό εκτός από την προηγούμενη κατάσταση) και είναι πολύ γρήγορα, καθιστώντας τα κατάλληλα για προβλήματα σε πραγματικό χρόνο και ενσωματωμένα συστήματα.
Γιατί είναι τόσο δημοφιλές το φιλτράρισμα Kalman;
Χρησιμοποιώντας ένα φίλτρο Kalman με παράθυρο για επαναγραμμικοποίηση προηγούμενων καταστάσεων ή όταν έχετε συσχετισμένες παρατηρήσεις μέσω χρονικών βημάτων, είναι συχνά πολύ πιο εύκολο να χρησιμοποιήσετε τις κανονικές εξισώσεις. Επιπλέον, ο πίνακας συνδιακύμανσης του φίλτρου kalman μπορεί να φτάσει σε μη θετική ημικαθορισμό με την πάροδο του χρόνου.
Τι είναι το φίλτρο Kalman για παρακολούθηση;
Το φιλτράρισμα Kalman (KF) [5] χρησιμοποιείται ευρέως για την παρακολούθηση κινούμενων αντικειμένων, με το οποίο μπορούμε να εκτιμήσουμε την ταχύτητα και ακόμη και την επιτάχυνση ενός αντικειμένου με τη μέτρηση των τοποθεσιών του. Ωστόσο, τοη ακρίβεια του KF εξαρτάται από την υπόθεση της γραμμικής κίνησης για οποιοδήποτε αντικείμενο προς παρακολούθηση.
