Technology sharing

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Kalman colum est efficiens colum recursivum adhibitum ad statum systematum dynamicorum linearium aestimandum. In normali Kalman eliquatione, exempla tam systematis quam observationis lineares sunt, cum in extenso Kalman eliquare (EKF) et Kalman eliquare iterativa (IKF), exemplar systematis vel observationis nonlineare potest. Differentiae duarum renovationum formularum sunt hae:

Standard Kalman formulae renovationis sparguntur:

Haec formula normae renovationis gradus Kalman eliquandi est, ubi residua directa differentia est inter valorem observatum et statum praesens praedictum. K Kalman lucrum ex covariance et observatione exemplari currenti computatum est. Haec formula ponit exemplum observationis linearis, id est, observationum residuarum directe ad statum renovandum adhiberi posse.

Extensa/iterativum Kalman colum renovationis formulae:

Haec formula in eliquatione Kalman (EKF) vel Kalman percolando (IKF) extensa apparet et ad condiciones observationum nonlinearum exemplorum tractandas adhibetur. H * dx hic repraesentat praedictionem residua nactus per linearizing exemplar observationis H (plerumque expansionis Taylori primi ordinis) ad statum praedictum mutationem dx sub aestimatione status currentis. Haec quantitas a residuo subtrahitur ad errores praedictionis tollendos ob notas nonlineas.

Differentia utendi formulae:

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