I statistikk og kontrollteori er Kalman-filtrering, også kjent som lineær kvadratisk estimering, en algoritme som bruker en serie målinger observert over tid, inkludert statistisk støy og …
Hva gjør Kalman-filtre?
Kalman-filtre brukes for å estimere variablene for interesser optim alt når de ikke kan måles direkte, men en indirekte måling er tilgjengelig. De brukes også til å finne det beste estimatet av tilstander ved å kombinere målinger fra forskjellige sensorer i nærvær av støy.
Hvorfor er Kalman-filteret bra?
Kalman-filtre er ideelle for systemer som er i kontinuerlig endring. De har fordelen at de er lette på minnet (de trenger ikke å beholde noen annen historikk enn den forrige tilstanden), og de er veldig raske, noe som gjør dem godt egnet for sanntidsproblemer og innebygde systemer.
Hvorfor er Kalman-filtrering så populær?
Ved å bruke et vindustilpasset kalman-filter for relinearisering av tidligere tilstander eller når man har korrelerte observasjoner gjennom tidstrinn, er det ofte mye enklere å bruke de normale ligningene. I tillegg kan kovariansmatrisen til kalman-filteret løpe inn i ikke-positiv semidefiniteness over tid.
Hva er Kalman-filteret for sporing?
Kalman-filtrering (KF) [5] er mye brukt til å spore objekter i bevegelse, som vi kan estimere hastigheten og jevn akselerasjon til et objekt med måling av dets plasseringer. Imidlertidnøyaktigheten til KF er avhengig av antakelsen om lineær bevegelse for ethvert objekt som skal spores.
