ปรับใช้ตัวกรอง Kalman เพื่อปรับปรุงความแม่นยําของการนําทาง: ทฤษฎี และ การ ปฏิบัติ
ตัวกรอง Kalman เป็นอัลกอริทึมที่ใช้ประเมินสถานะของระบบไดนามิกจากการวัดสัญญาณรบกวน ซึ่งมีการใช้งานอย่างกว้างขวางในระบบนําทาง เพื่อเพิ่มความถูกต้อง โดยรวมข้อมูลจากเซ็นเซอร์หลายตัว บทความนี้สํารวจทฤษฎีเบื้องหลังตัวกรองคาลแมน และใช้ปฏิบัติได้จริงในโปรแกรมนําทาง
การเข้าใจตัวกรอง Kalman
The Kalman filter ทํางานซ้ํากัน โดยการประเมินค่าสถานะของระบบเมื่อข้อมูลใหม่ถูกใช้งาน มันจะทํานายสถานะปัจจุบันจากการประเมินก่อนหน้านี้ และแก้ไขค่าการคาดการณ์นี้โดยใช้การวัดการเข้ามา โพรเซสนี้จะลดค่าเฉลี่ยของข้อผิดพลาดในกําลังสองลง ทําให้มีการประเมินค่าที่เหมาะสมภายใต้เงื่อนไขบางประการ
โปรแกรมในระบบนําทาง
ใน การ นํา ร่อง คา ล มัน กรอง ข้อมูล จาก เครื่อง จีพีเอส, หน่วย วัด ความ เข้ม ข้น (IMUs), และ เครื่อง รับ สัญญาณ อื่น ๆ.
ขั้น ตอน การ หมด กําลัง
- [FLT: 0] การลดความชื่นชอบ : สถาปนาตัวแปรรัฐและความสัมพันธ์ของระบบ
- [FLT: 0]. eprographal: ใช้ระบบแบบจําลองทํานายสถานะต่อไป และประเมินความไม่แน่นอน
- [FLT: 0] Update: การวัดเซ็นเซอร์แบบใหม่ เพื่อ ขัดประเมินรัฐ (FLT:1).
- [FLT: 0] อนุมาน: ย้ําการทํานายและปรับปรุงขั้นตอน เมื่อข้อมูลใหม่มาถึง.