V statistiki in teoriji nadzora je Kalmanovo filtriranje, znano tudi kot linearna kvadratna ocena, algoritem, ki uporablja vrsto meritev, opaženih skozi čas, vključno s statističnim šumom in …
Kaj delajo filtri Kalman?
Kalmanovi filtri se uporabljajo za optimalno oceno spremenljivk, ki vas zanimajo, kadar jih ni mogoče izmeriti neposredno, vendar je na voljo posredna meritev. Uporabljajo se tudi za iskanje najboljše ocene stanj s kombiniranjem meritev različnih senzorjev ob prisotnosti šuma.
Zakaj je Kalmanov filter dober?
Kalmanovi filtri so idealni za sisteme, ki se nenehno spreminjajo. Prednost imajo v tem, da so lahki pri pomnilniku (ni treba hraniti nobene zgodovine razen prejšnjega stanja) in so zelo hitri, zaradi česar so zelo primerni za težave v realnem času in vgrajene sisteme.
Zakaj je Kalmanovo filtriranje tako priljubljeno?
Z uporabo okenskega kalmanovega filtra za relinearizacijo preteklih stanj ali pri koreliranih opazovanjih skozi časovne korake je pogosto veliko lažje uporabljati običajne enačbe. Poleg tega lahko kovariančna matrika kalmanovega filtra sčasoma naleti na nepozitivno poldefiniteto.
Kaj je Kalmanov filter za sledenje?
Kalmanovo filtriranje (KF) [5] se široko uporablja za sledenje premikajočim se objektom, s katerim lahko ocenimo hitrost in celo pospešek predmeta z merjenjem njegovih lokacij. Vendar pa jenatančnost KF je odvisna od predpostavke linearnega gibanja za kateri koli predmet, ki mu je treba slediti.
