Berbagi teknologi

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Filter Kalman adalah filter rekursif efisien yang digunakan untuk memperkirakan keadaan sistem dinamis linier. Dalam pemfilteran Kalman standar, sistem dan model observasi bersifat linier, sedangkan dalam pemfilteran Kalman yang diperluas (EKF) dan pemfilteran Kalman berulang (IKF), sistem atau model observasi dapat bersifat nonlinier. Berikut perbedaan kedua rumus update tersebut:

Rumus pembaruan filter Kalman standar:

Rumus ini adalah langkah pembaruan standar pemfilteran Kalman, di mana residu adalah selisih langsung antara nilai observasi dan prediksi keadaan saat ini. K adalah perolehan Kalman yang dihitung dari estimasi kovarians dan model observasi saat ini. Rumus ini mengasumsikan bahwa model observasi bersifat linier, yaitu sisa observasi dapat digunakan secara langsung untuk mengupdate keadaan.

Rumus pembaruan filter Kalman yang diperluas/berulang:

Rumus ini muncul dalam pemfilteran Kalman yang diperluas (EKF) atau pemfilteran Kalman berulang (IKF) dan digunakan untuk menangani situasi dengan model observasi nonlinier. H*dx di sini mewakili sisa prediksi yang diperoleh dengan linierisasi model observasi H (biasanya ekspansi Taylor orde pertama) ke perubahan keadaan yang diprediksi dx di bawah perkiraan keadaan saat ini. Besaran ini dikurangkan dari sisa untuk menghilangkan kesalahan prediksi akibat karakteristik nonlinier.

Perbedaan dalam menggunakan rumus:

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