Filter kalman adalah algoritme yang digunakan untuk memperkirakan keadaan sistem dinamis dari pengukuran yang berisik.Terapan ini banyak diterapkan dalam sistem pelacakan waktu nyata seperti navigasi, robotika, dan kedirgantaraan Artikel ini mengeksplorasi prinsip-prinsip matematika di balik filter Kalman dan implementasi praktisnya.

Yayasan Matematika Mathematik

Filter kindo Kalman beroperasi pada sistem yang dimodelkan oleh persamaan linear. Keadaan sistem pada saat k diwakili oleh vektor xk]. Dinamika sistem dideskripsikan oleh:

tool k = A xk-1] + B una]k-1] + wk-1]]

Di mana ia tidak pernah di tempat]A adalah matriks transisi negara, B adalah matriks masukan kontrol, uk-1 adalah vektor kontrol, dan w][FLT1]]]] adalah process noise. Pengukuran dimodelkan sebagai:

tool k = H xk + v]k

nathion dimana H adalah matriks pengukuran dan v[k[ adalah suara pengukuran. Filter memperkirakan keadaan dengan memprediksi dan memperbarui berdasarkan pengukuran baru.

Implementasi Praktis

Filter kalman melibatkan dua langkah utama: prediksi dan pembetulan. Selama prediksi, filter memperkirakan keadaan berikutnya dan ketidakpastiannya.Dalam langkah koreksi, ia memperbarui perkiraan berdasarkan pengukuran baru.

Persamaan kunci adalah:

  • Prediction:
    x ⁇ ]kGharmonik-1 = A x ⁇ ]k-1GALAT-1] + B usek-1]
  • Beban-beban:
    [[FLT:]]x ⁇ ]k epal <] = x ⁇ ]kGhartafik-1] + Kk[] (z]k] - H x ⁇ ]khanayk-1] (z]

BAHASA dimana Kk adalah gain Kalman, dihitung untuk meminimalkan kovariansi kesalahan estimasi. Pencatuan proses dan pengukuran kovarian suara sangat penting untuk kinerja optimal.

Aplikasi X

Filter Kalman digunakan dalam berbagai aplikasi pelacakan waktu nyata, termasuk:

  • Sistem navigasi untuk kendaraan otonom
  • Pelacakan objek dalam radar dan sistem sonar
  • Robotika untuk lokalisasi dan pemetaan
  • Analisis pasar keuangan morfik