Ve statistice a teorii řízení je Kalmanovo filtrování, také známé jako lineární kvadratický odhad, algoritmus, který využívá sérii měření pozorovaných v průběhu času, včetně statistického šumu a …
Co dělají Kalmanovy filtry?
Kalmanovy filtry se používají k optimálnímu odhadu zájmových proměnných, když je nelze měřit přímo, ale je k dispozici nepřímé měření. Používají se také k nalezení nejlepšího odhadu stavů kombinací měření z různých senzorů za přítomnosti šumu.
Proč je Kalmanův filtr dobrý?
Kalmanovy filtry jsou ideální pro systémy, které se neustále mění. Mají tu výhodu, že jsou nenáročné na paměť (nepotřebují uchovávat žádnou jinou historii než předchozí stav) a jsou velmi rychlé, takže se dobře hodí pro problémy v reálném čase a vestavěné systémy.
Proč je Kalmanovo filtrování tak oblíbené?
Pomocí okenního kalmanova filtru pro relinearizaci minulých stavů nebo při korelovaných pozorováních prostřednictvím časových kroků je často mnohem snazší použít normální rovnice. Navíc kovarianční matice kalmanova filtru může časem přejít do nepozitivní semidefinity.
Co je Kalmanův filtr pro sledování?
Kalmanův filtr (KF) [5] se široce používá ke sledování pohybujících se objektů, pomocí kterého můžeme odhadnout rychlost a dokonce i zrychlení objektu pomocí měření jeho umístění. Nicméně,přesnost KF závisí na předpokladu lineárního pohybu jakéhokoli objektu, který má být sledován.
