คำจำกัดความที่คลุมเครือของตัวกรองคาลมานข้อผิดพลาด (ทางอ้อม)

ฉันสับสนกับคำว่า "ตัวกรองคาลมานทางอ้อม" หรือ "ตัวกรองคาลมานข้อผิดพลาด" หมายถึงอะไร

คำจำกัดความที่เป็นไปได้มากที่สุดที่ฉันพบคือในหนังสือของ Maybeck [1]:

ดังที่ชื่อระบุไว้ในการกำหนดพื้นที่ทั้งหมด (โดยตรง) สถานะรวมเช่นตำแหน่งยานพาหนะและความเร็วนั้นเป็นตัวแปรสถานะในตัวกรองและการวัดคือเอาต์พุต INS accelerometer และสัญญาณแหล่งภายนอก ในการกำหนดพื้นที่ข้อผิดพลาด (ทางอ้อม) ข้อผิดพลาดในตำแหน่งและความเร็วที่ระบุของ INS- เป็นตัวแปรที่ประมาณไว้และการวัดแต่ละครั้งที่นำเสนอต่อตัวกรองคือความแตกต่างระหว่าง INS และแหล่งข้อมูลภายนอก

20 ปีต่อมา Roumeliotis และคณะ ใน [2] เขียน:

การสร้างแบบจำลองที่ยุ่งยากของยานพาหนะเฉพาะและการมีปฏิสัมพันธ์กับสภาพแวดล้อมแบบไดนามิกนั้นหลีกเลี่ยงได้โดยการเลือกการสร้างแบบจำลองวงแหวนแทน สัญญาณไจโรปรากฏในสมการของระบบ (แทนการวัด) ดังนั้นการกำหนดปัญหาต้องใช้แนวทางกรองคาลมานทางอ้อม (สถานะผิดพลาด)

ฉันไม่เข้าใจส่วนที่เป็นตัวหนาตั้งแต่ Lefferts และคณะ ใน [3] เขียนเร็วกว่านี้มาก:

สำหรับยานอวกาศอิสระการใช้หน่วยอ้างอิงเฉื่อยเป็นแบบจำลองการแทนที่ช่วยให้หลีกเลี่ยงปัญหาเหล่านี้

จากนั้นดำเนินการต่อเพื่อแสดงตัวแปรต่าง ๆ ของ EKF โดยใช้การสร้างแบบจำลองวงแหวนที่มีคำสั่งตัวกรองคาลมานอย่างชัดเจนตามคำจำกัดความของเมย์เบ็ค: รัฐเท่านั้นประกอบไปด้วยทัศนคติควอเทอเนียนและอคติไจโร ในความเป็นจริงไม่มี INS แยกต่างหากซึ่งมีข้อผิดพลาดในการประเมินด้วยตัวกรอง Kalman ข้อผิดพลาด

ดังนั้นคำถามของฉันคือ:

• มีคำจำกัดความใหม่ที่แตกต่างไปจากตัวกรองคาลมานทางอ้อมฉันไม่ทราบหรือไม่

• การสร้างแบบจำลองไจโรเป็นอย่างไรเมื่อเทียบกับการใช้แบบจำลองพลวัตที่เหมาะสมในมือข้างหนึ่งและการตัดสินใจว่าจะใช้ตัวกรองคาลมานโดยตรงหรือโดยอ้อมในอีกทางหนึ่งมีความสัมพันธ์กันอย่างไร? ฉันอยู่ภายใต้ความประทับใจว่าทั้งคู่เป็นการตัดสินใจที่เป็นอิสระ

[1] Maybeck, Peter S. Stochastic Model, การประมาณค่าและการควบคุม ฉบับ 1. สื่อวิชาการปี 2522

[2] Roumeliotis, Stergios I. , Gaurav S. Sukhatme และ George A. Bekey "การหลีกเลี่ยงการสร้างแบบจำลองแบบไดนามิก: การประเมินผลตัวกรองคาลมานข้อผิดพลาดที่ใช้กับการแปลหุ่นยนต์เคลื่อนที่" หุ่นยนต์และระบบอัตโนมัติ, 1999. การดำเนินการ. การประชุมนานาชาติ IEEE ปี 1999 ฉบับ 2. IEEE, 1999

[3] Lefferts, Ern J. , F. Landis Markley และ Malcolm D. Shuster "ตัวกรองคาลมานสำหรับการประเมินทัศนคติของยานอวกาศ" วารสารแนะแนวการควบคุมและพลศาสตร์ 5.5 (1982): 417-429

สวัสดีและยินดีต้อนรับสู่โลกแห่งการวิจัยที่กว้างขวางคลุมเครือและสับสนในบางครั้ง แต่อย่างจริงจังการดูเอกสาร 20 ปีบางครั้งจะสร้างความสับสน ลองดูว่าเกิดอะไรขึ้น ในการอ้างอิงแรกสิ่งที่พวกเขาพูดคือ:

INS / Gyro นั้นดี แต่มีข้อผิดพลาด ข้อผิดพลาดนั้นเปลี่ยนแปลง (ลอย) เมื่อเวลาผ่านไป ดังนั้นข้อผิดพลาดใน INS จึงเป็นส่วนหนึ่งของสถานะของระบบ

ข้อสันนิษฐานมาร์คอฟที่ใช้ในตัวกรองคาลมานสันนิษฐานว่า estiamte ปัจจุบันนั้นสรุปสถานะทั้งหมดของระบบและสถานะก่อนหน้าทั้งหมดของระบบ ขั้นตอนการปรับปรุงของ EKF / FK อนุมานว่าเซ็นเซอร์วัดสถานะของระบบโดยตรงและปราศจากอคติ อย่างไรก็ตาม INS มีอคติ (ข้อผิดพลาด) และการตั้งค่านั้นเปลี่ยนไป ดังนั้นสถานะที่วัดได้ของเรา(การวัดจาก INS / Gyro) คือ

$b^\star$$n$$b^\star$$n$ $b^\star(t)$$z$$b^\star(t)$

ตัวกรองคาลมานข้อผิดพลาดทำให้เกิดเวกเตอร์สถานะใหม่

$z(t)=x^\star + b(t) + n$

ตอนนี้การอ้างอิง 3 ถูกใช้คำไม่ดีเล็กน้อย ฉันไม่สามารถรับ PDF เพื่อตรวจสอบด่วนได้ สิ่งที่ฉันคิดว่ามันหมายถึงพวกเขากำลังใช้ข้อสันนิษฐานทั่วไปว่าแบบจำลองที่ดีของการเปลี่ยนแปลงของระบบไม่พร้อมใช้งานสำหรับขั้นตอนการทำนาย (หรือการแพร่กระจาย) แต่พวกเขากำลังสันนิษฐานว่าการวัด INS เป็นการประมาณค่าที่เหมาะสมของสถานะของระบบแล้วใช้เซ็นเซอร์อื่นเพื่ออัปเดตการประเมินสถานะ

นี่คล้ายกับการใช้ odometry แทนที่จะเป็นแบบจำลองว่าอินพุตควบคุมก่อให้เกิดการเปลี่ยนแปลงสถานะในหุ่นยนต์แบบล้อหรือไม่ ใช่การคาดคะเนที่คาดการณ์ล่วงหน้าจะมีอคติของ INS อยู่ในตัว แต่การวัดควรแก้ไขให้ถูกต้อง ในความเป็นจริงการแนะนำกระดาษนั้นระบุสิ่งเดียวกันกับที่เราสรุปไว้ที่นี่ความลำเอียงในไจโรควรเป็นส่วนหนึ่งของระบบที่จะประมาณ

นี่คือสรุประดับสูงซึ่งเป็นสิ่งที่ดีที่สุดที่ฉันสามารถทำได้ในจุดนี้ หากมีข้อกังวลใจฉันสามารถแก้ไขได้ตามต้องการ