Վիճակագրության և հսկողության տեսության մեջ Կալմանի զտումը, որը նաև հայտնի է որպես գծային քառակուսի գնահատում, ալգորիթմ է, որն օգտագործում է ժամանակի ընթացքում դիտարկվող չափումների շարք, ներառյալ վիճակագրական աղմուկը և …
Ի՞նչ են անում Kalman ֆիլտրերը:
Kalman զտիչներն օգտագործվում են հետաքրքրությունների փոփոխականների օպտիմալ գնահատման համար, երբ դրանք ուղղակիորեն չեն կարող չափվել, բայց անուղղակի չափումը հասանելի է: Դրանք նաև օգտագործվում են վիճակների լավագույն գնահատականը գտնելու համար՝ աղմուկի առկայության դեպքում տարբեր սենսորների չափումները համակցելով:
Ինչու է Kalman ֆիլտրը լավ:
Kalman ֆիլտրերը իդեալական են անընդհատ փոփոխվող համակարգերի համար: Նրանք ունեն այն առավելությունը, որ հիշողության մեջ թեթև են (նրանք կարիք չունեն որևէ այլ պատմություն պահելու, քան նախկին վիճակից), և շատ արագ են, ինչը նրանց լավ է դարձնում իրական ժամանակի խնդիրների և ներկառուցված համակարգերի համար:
Ինչու՞ է Kalman-ի զտումն այդքան տարածված:
Օգտագործելով պատուհաններով կալմանի ֆիլտր՝ անցյալ վիճակների վերագծայնացման համար կամ երբ փոխկապակցված դիտարկումներ ենք կատարում ժամանակային քայլերի միջոցով, հաճախ շատ ավելի հեշտ է օգտագործել նորմալ հավասարումները: Բացի այդ, կալմանի ֆիլտրի կովարիանսային մատրիցը ժամանակի ընթացքում կարող է հասնել ոչ դրական կիսասահմանության:
Ի՞նչ է Kalman զտիչը հետևելու համար:
Kalman ֆիլտրը (KF) [5] լայնորեն օգտագործվում է շարժվող օբյեկտներին հետևելու համար, որով մենք կարող ենք գնահատել օբյեկտի արագությունը և նույնիսկ արագացումը՝ նրա գտնվելու վայրերի չափմամբ։. Այնուամենայնիվ, իKF-ի ճշգրտությունը կախված է ցանկացած օբյեկտի գծային շարժման ենթադրությունից:
