기술나눔

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

칼만 필터는 선형 동적 시스템의 상태를 추정하는 데 사용되는 효율적인 재귀 필터입니다. 표준 칼만 필터링에서는 시스템 모델과 관측 모델이 모두 선형인 반면, 확장 칼만 필터링(EKF) 및 반복 칼만 필터링(IKF)에서는 시스템 또는 관측 모델이 비선형일 수 있습니다. 다음은 두 업데이트 수식의 차이점입니다.

표준 칼만 필터 업데이트 공식:

이 공식은 칼만 필터링의 표준 업데이트 단계이며, 여기서 잔차는 관찰된 값과 현재 상태 예측 간의 직접적인 차이입니다. K는 현재 추정된 공분산 및 관측 모델에서 계산된 칼만 이득입니다. 이 공식은 관찰 모델이 선형이라고 가정합니다. 즉, 관찰 잔차를 직접 사용하여 상태를 업데이트할 수 있다고 가정합니다.

확장/반복 칼만 필터 업데이트 공식:

이 공식은 확장 칼만 필터링(EKF) 또는 반복 칼만 필터링(IKF)에 나타나며 비선형 관찰 모델의 상황을 처리하는 데 사용됩니다. 여기서 H * dx는 관찰 모델 H(보통 1차 테일러 전개)를 현재 상태 추정 하에서 예측된 상태 변화 dx로 선형화하여 얻은 예측 잔차를 나타냅니다. 비선형 특성으로 인한 예측 오류를 제거하기 위해 이 양을 잔차에서 뺍니다.

수식 사용의 차이점:

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