E
elecs_gene
Guest
HI
ciò che è KALMAN FILTRO? quali vantaggi o svantaggi o vantaggi si hanno?
saluti,
mukund
ciò che è KALMAN FILTRO? quali vantaggi o svantaggi o vantaggi si hanno?
saluti,
mukund
Navigation
Install the app
How to install the app on iOS
Follow along with the video below to see how to install our site as a web app on your home screen.
Note: This feature may not be available in some browsers.
More options
You are using an out of date browser. It may not display this or other websites correctly.
You should upgrade or use an alternative browser.
You should upgrade or use an alternative browser.
M
mystique_unbound
Guest
Supponiamo che abbiamo una variabile casuale x (t) il cui valore di stima che vogliamo in determinati momenti t0, t1, t2, t3,
ecc Inoltre, supponiamo che noi sappiamo che x (tk) soddisfa una equazione lineare dinamica
x (tk 1) = Fx (tk) u (k) (l'equazione dinamica)
Nell'esempio precedente equazione F è un numero.Al fine di lavoro attraverso un esempio numerico dobbiamo assumere F = 0,9
Kalman supporre che u (k) è un numero casuale selezionati scegliendo un numero da un cappello.Supponiamo che i numeri nel cappello sono tali che la media di u (k) = 0 e la varianza di u (k) è D. Per il nostro esempio numerico, si avrà Q per essere 100.
u (k) è chiamato rumore bianco, il che significa che non è correlato con qualsiasi altro variabili casuali e soprattutto non correlata con i valori del passato, u.
In seguito le lezioni si estendere il filtro di Kalman per i casi in cui la dinamica equazione non è lineare e non dove u è rumore bianco.Ma per questa lezione, l'equazione è lineare dinamica e w è rumore bianco con zero significa.
Ora supponiamo che al tempo t0 qualcuno è venuto lungo e vi ha detto che pensava x (t0) = 1000, ma che potrebbe essere in errore e si ritiene che la varianza del suo errore è pari a P. Supponiamo che lei aveva molta fiducia nei questa persona e sono stati, quindi, convinti che questa è stata la migliore stima possibile di x (t0).Questa è la stima iniziale di x.Talvolta è chiamato a priori stima.
ecc Inoltre, supponiamo che noi sappiamo che x (tk) soddisfa una equazione lineare dinamica
x (tk 1) = Fx (tk) u (k) (l'equazione dinamica)
Nell'esempio precedente equazione F è un numero.Al fine di lavoro attraverso un esempio numerico dobbiamo assumere F = 0,9
Kalman supporre che u (k) è un numero casuale selezionati scegliendo un numero da un cappello.Supponiamo che i numeri nel cappello sono tali che la media di u (k) = 0 e la varianza di u (k) è D. Per il nostro esempio numerico, si avrà Q per essere 100.
u (k) è chiamato rumore bianco, il che significa che non è correlato con qualsiasi altro variabili casuali e soprattutto non correlata con i valori del passato, u.
In seguito le lezioni si estendere il filtro di Kalman per i casi in cui la dinamica equazione non è lineare e non dove u è rumore bianco.Ma per questa lezione, l'equazione è lineare dinamica e w è rumore bianco con zero significa.
Ora supponiamo che al tempo t0 qualcuno è venuto lungo e vi ha detto che pensava x (t0) = 1000, ma che potrebbe essere in errore e si ritiene che la varianza del suo errore è pari a P. Supponiamo che lei aveva molta fiducia nei questa persona e sono stati, quindi, convinti che questa è stata la migliore stima possibile di x (t0).Questa è la stima iniziale di x.Talvolta è chiamato a priori stima.
S
sonu123
Guest
leggere questo documento
Siamo spiacenti, ma è necessario il login per visualizzare questo attaccamento
Siamo spiacenti, ma è necessario il login per visualizzare questo attaccamento
S
sonu123
Guest
questo è il documento originale che aiutano u
Siamo spiacenti, ma è necessario il login per visualizzare questo attaccamento
Siamo spiacenti, ma è necessario il login per visualizzare questo attaccamento
S
sinu_gowde
Guest
questa spiegazione è da wikipedia.org:
Il filtro di Kalman è un efficiente filtro ricorsivo stime che lo stato di un sistema dinamico di una serie di misure incomplete e rumoroso.Un esempio di applicazione potrebbe essere quella di fornire continuamente aggiornate informazioni sulla posizione e la velocità di un oggetto dato solo una sequenza di osservazioni in merito alla sua posizione, ognuno dei quali comprende un certo errore.E 'utilizzato in una vasta gamma di applicazioni di ingegneria radar da visione al computer.Filtraggio Kalman è un tema importante nel controllo della teoria dei sistemi di controllo e di ingegneria.
Ad esempio, in un radar domanda, se uno è interessato a un obiettivo di monitoraggio,
le informazioni circa la posizione,
la velocità e l'accelerazione del target viene misurata con una grande quantità di corruzione da parte del rumore, in qualsiasi momento, istante.Il filtro di Kalman sfrutta le dinamiche del target, che regolano il suo sviluppo nel tempo l'evoluzione, per eliminare gli effetti del rumore e di ottenere una buona stima della posizione del target, in questo momento (filtraggio), in un tempo futuro (previsione), o in un momento nel passato (interpolazione o lisciatura).
Il filtro è chiamato dopo il suo inventore, Rudolf E. Kalman, se Pietro Swerling effettivamente messo a punto un algoritmo simile in precedenza.Stanley Schmidt è generalmente accreditate con lo sviluppo della prima applicazione di un filtro di Kalman.Fu durante una visita di Kalman per la NASA Ames Research Center che ha visto l'applicabilità delle sue idee per il problema della traiettoria di stima per il programma Apollo,
con la sua incorporazione nel Apollo navigazione computer.Il filtro è stato sviluppato in documenti scritti da Swerling (1958), Kalman (1960) e Kalman e Bucy (1961).
Una vasta gamma di filtri di Kalman sono stati sviluppati, da Kalman
della formulazione originaria, ora chiamato il semplice filtro di Kalman, per Schmidt estesa filtro, filtrare le informazioni e una serie di filtri della radice quadrata sviluppato da Bierman, Thornton e molti altri.Forse il più comunemente usato il tipo di filtro di Kalman è la fase-loop chiuso, ormai presente ovunque, in radio, computer, e quasi ogni altro tipo di video o di apparecchiature di comunicazione.
per maggiori informazioni checkout i seguenti collegamenti:
1) http://www.cs.unc.edu/ ~ Welch / Kalman / - si possono ottenere buone informazioni
e materiali in questo sito web.
2) http://www.innovatia.com/software/papers/kalman.htm
3) http://ourworld.compuserve.com/homepages/PDJoseph/kalman.htm
4) http://en.wikipedia.org/wiki/Kalman_filter
5) http://academic.csuohio.edu/simond/courses/kalman/
cheers ...
Il filtro di Kalman è un efficiente filtro ricorsivo stime che lo stato di un sistema dinamico di una serie di misure incomplete e rumoroso.Un esempio di applicazione potrebbe essere quella di fornire continuamente aggiornate informazioni sulla posizione e la velocità di un oggetto dato solo una sequenza di osservazioni in merito alla sua posizione, ognuno dei quali comprende un certo errore.E 'utilizzato in una vasta gamma di applicazioni di ingegneria radar da visione al computer.Filtraggio Kalman è un tema importante nel controllo della teoria dei sistemi di controllo e di ingegneria.
Ad esempio, in un radar domanda, se uno è interessato a un obiettivo di monitoraggio,
le informazioni circa la posizione,
la velocità e l'accelerazione del target viene misurata con una grande quantità di corruzione da parte del rumore, in qualsiasi momento, istante.Il filtro di Kalman sfrutta le dinamiche del target, che regolano il suo sviluppo nel tempo l'evoluzione, per eliminare gli effetti del rumore e di ottenere una buona stima della posizione del target, in questo momento (filtraggio), in un tempo futuro (previsione), o in un momento nel passato (interpolazione o lisciatura).
Il filtro è chiamato dopo il suo inventore, Rudolf E. Kalman, se Pietro Swerling effettivamente messo a punto un algoritmo simile in precedenza.Stanley Schmidt è generalmente accreditate con lo sviluppo della prima applicazione di un filtro di Kalman.Fu durante una visita di Kalman per la NASA Ames Research Center che ha visto l'applicabilità delle sue idee per il problema della traiettoria di stima per il programma Apollo,
con la sua incorporazione nel Apollo navigazione computer.Il filtro è stato sviluppato in documenti scritti da Swerling (1958), Kalman (1960) e Kalman e Bucy (1961).
Una vasta gamma di filtri di Kalman sono stati sviluppati, da Kalman
della formulazione originaria, ora chiamato il semplice filtro di Kalman, per Schmidt estesa filtro, filtrare le informazioni e una serie di filtri della radice quadrata sviluppato da Bierman, Thornton e molti altri.Forse il più comunemente usato il tipo di filtro di Kalman è la fase-loop chiuso, ormai presente ovunque, in radio, computer, e quasi ogni altro tipo di video o di apparecchiature di comunicazione.
per maggiori informazioni checkout i seguenti collegamenti:
1) http://www.cs.unc.edu/ ~ Welch / Kalman / - si possono ottenere buone informazioni
e materiali in questo sito web.
2) http://www.innovatia.com/software/papers/kalman.htm
3) http://ourworld.compuserve.com/homepages/PDJoseph/kalman.htm
4) http://en.wikipedia.org/wiki/Kalman_filter
5) http://academic.csuohio.edu/simond/courses/kalman/
cheers ...