Κοινή χρήση τεχνολογίας

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Το φίλτρο Kalman είναι ένα αποτελεσματικό αναδρομικό φίλτρο που χρησιμοποιείται για την εκτίμηση της κατάστασης των γραμμικών δυναμικών συστημάτων. Στο τυπικό φιλτράρισμα Kalman, τόσο το σύστημα όσο και το μοντέλο παρατήρησης είναι γραμμικά, ενώ στο εκτεταμένο φιλτράρισμα Kalman (EKF) και το επαναληπτικό φιλτράρισμα Kalman (IKF), το σύστημα ή το μοντέλο παρατήρησης μπορεί να είναι μη γραμμικό. Ακολουθούν οι διαφορές μεταξύ των δύο τύπων ενημέρωσης:

Τυπικός τύπος ενημέρωσης φίλτρου Kalman:

Αυτός ο τύπος είναι το τυπικό βήμα ενημέρωσης του φιλτραρίσματος Kalman, όπου το υπόλοιπο είναι η άμεση διαφορά μεταξύ της παρατηρούμενης τιμής και της πρόβλεψης τρέχουσας κατάστασης. K είναι το κέρδος Kalman που υπολογίζεται από το τρέχον εκτιμώμενο μοντέλο συνδιακύμανσης και παρατήρησης. Αυτός ο τύπος υποθέτει ότι το μοντέλο παρατήρησης είναι γραμμικό, δηλαδή, τα υπολείμματα παρατήρησης μπορούν να χρησιμοποιηθούν απευθείας για την ενημέρωση της κατάστασης.

Εκτεταμένος/επαναληπτικός τύπος ενημέρωσης φίλτρου Kalman:

Αυτός ο τύπος εμφανίζεται στο εκτεταμένο φιλτράρισμα Kalman (EKF) ή στο επαναληπτικό φιλτράρισμα Kalman (IKF) και χρησιμοποιείται για την αντιμετώπιση καταστάσεων με μη γραμμικά μοντέλα παρατήρησης. Το H * dx εδώ αντιπροσωπεύει το υπόλοιπο πρόβλεψης που λαμβάνεται γραμμικοποιώντας το μοντέλο παρατήρησης H (συνήθως επέκταση Taylor πρώτης τάξης) στην προβλεπόμενη αλλαγή κατάστασης dx σύμφωνα με την εκτίμηση της τρέχουσας κατάστασης. Αυτή η ποσότητα αφαιρείται από την υπολειπόμενη προκειμένου να εξαλειφθούν τα σφάλματα πρόβλεψης λόγω μη γραμμικών χαρακτηριστικών.

Η διαφορά στη χρήση τύπων:

线性 vs. 非线性：
第一个公式假设观测模型是线性的，而第二个公式适用于处理非线性观测模型。
预测误差的校正：
第二个公式通过减去 H * dx 来校正由于非线性特性导致的预测误差，使得状态更新更加准确。
计算复杂度：
第二个公式由于需要计算 H * dx，可能会比第一个公式有更高的计算复杂度，特别是在 H 的维度较高或 dx 的维度较大时。

                    上一篇
                    下一篇