Kalman 필터는 노이즈 측정에서 동적 시스템의 상태를 추정하는 데 사용되는 알고리즘입니다. 그들은 다양한 센서에서 데이터를 결합하여 탐색 시스템에서 널리 적용된다. 이 문서는 Kalman 필터와 탐색 응용 분야에서 실용적인 구현 뒤에 이론을 탐구합니다.

Kalman 필터 이해

Kalman 필터는 재cursively, 새로운 데이터가 사용되기 때문에 시스템의 상태를 업데이트하는 것으로 작동합니다. 이전 추정치에 따라 현재 상태를 예측하고 들어오는 측정을 사용하여이 예측을 수정합니다. 이 과정은 특정 조건에서 최적의 견적을 제공하는 사각형 오류의 의미를 최소화합니다.

항법에서, Kalman 여과기는 GPS, Inertial 측정 단위 (IMUs) 및 다른 감지기에서 자료를 통합합니다. 그들은 감지기 소음과 inaccuracies의 효력을, 더 믿을 수 있는 위치 및 각측정속도 추정에서 유래하는 것을 돕습니다. 이것은 신호가 비파되거나 degraded 할지도 모르다 환경에 있는 항법 체계의 전반적인 성과 개량합니다.

단계별

  • 모델 정의:시스템의 상태 변수와 관계 구축.
  • Prediction: 다음 국가 및 견적 불확실성을 예측하기 위해 시스템 모델을 사용합니다.
  • Update: state 견적을 정제하는 새로운 센서 측정을 통합합니다.
  • Iteration: 새로운 데이터로 예측 및 업데이트 단계가 도착합니다.