در آمار و تئوری کنترل، فیلتر کالمن، که به عنوان تخمین درجه دوم خطی نیز شناخته می شود، الگوریتمی است که از مجموعه ای از اندازه گیری های مشاهده شده در طول زمان، از جمله نویز آماری و … استفاده می کند.
فیلترهای کالمن چه کار می کنند؟
فیلترهای
Kalman برای تخمین بهینه متغیرهای علاقه استفاده می‌شوند، زمانی که نمی‌توان آنها را مستقیماً اندازه‌گیری کرد، اما اندازه‌گیری غیرمستقیم در دسترس است. آنها همچنین برای یافتن بهترین تخمین حالت ها با ترکیب اندازه گیری های سنسورهای مختلف در حضور نویز استفاده می شوند.
چرا فیلتر کالمن خوب است؟
فیلترهای Kalman ایده آل برای سیستم هایی هستند که به طور مداوم در حال تغییر هستند. آنها این مزیت را دارند که حافظه سبکی دارند (نیازی به نگهداری تاریخچه ای غیر از حالت قبلی ندارند)، و بسیار سریع هستند و آنها را برای مشکلات بلادرنگ و سیستم های جاسازی شده مناسب می کند.
چرا فیلتر کالمن اینقدر محبوب است؟
استفاده از فیلتر کالمن پنجره‌دار برای خطی‌سازی مجدد حالات گذشته یا هنگام داشتن مشاهدات مرتبط از طریق مراحل زمانی، اغلب استفاده از معادلات معمولی بسیار آسان‌تر است. علاوه بر این، ماتریس کوواریانس فیلتر کالمن می‌تواند در طول زمان به نیمه‌تعیین غیر مثبت تبدیل شود.
فیلتر کالمن برای ردیابی چیست؟
فیلتر کالمن (KF) [5] به طور گسترده برای ردیابی اجسام متحرک استفاده می شود، که با آن می توانیم سرعت و حتی شتاب یک جسم را با اندازه گیری مکان های آن تخمین بزنیم.. با این حالدقت KF به فرض حرکت خطی برای هر جسمی که باید ردیابی شود بستگی دارد.
