Inom statistik och kontrollteori är Kalman-filtrering, även känd som linjär kvadratisk uppskattning, en algoritm som använder en serie mätningar som observerats över tid, inklusive statistiskt brus och …
Vad gör Kalman-filter?
Kalman-filter används för att optim alt uppskatta variablerna för intressen när de inte kan mätas direkt, men ett indirekt mått är tillgängligt. De används också för att hitta den bästa uppskattningen av tillstånd genom att kombinera mätningar från olika sensorer i närvaro av brus.
Varför är Kalman-filtret bra?
Kalman-filter är idealiska för system som ständigt förändras. De har fördelen att de är lätta på minnet (de behöver inte behålla någon annan historik än det tidigare tillståndet), och de är mycket snabba, vilket gör dem väl lämpade för re altidsproblem och inbyggda system.
Varför är Kalman-filtrering så populär?
Genom att använda ett kalmanfilter med fönster för att återlinearisera tidigare tillstånd eller när man har korrelerade observationer genom tidssteg, är det ofta mycket lättare att använda de normala ekvationerna. Dessutom kan kovariansmatrisen för kalmanfiltret hamna i icke-positiv semidefiniteness över tiden.
Vad är Kalman-filter för spårning?
Kalman-filtrering (KF) [5] används i stor utsträckning för att spåra rörliga objekt, med vilket vi kan uppskatta ett objekts hastighet och till och med acceleration med mätning av dess platser. Men denKF:s noggrannhet är beroende av antagandet om linjär rörelse för alla objekt som ska spåras.
