หนังสือหรืออ้างอิงที่ดีเพื่อเรียนรู้ตัวกรองคาลมาน


12

ฉันใหม่โดยสิ้นเชิงกับตัวกรองคาลมาน ฉันมีหลักสูตรพื้นฐานเกี่ยวกับความน่าจะเป็นแบบมีเงื่อนไขและพีชคณิตเชิงเส้น มีคนแนะนำหนังสือดี ๆ หรือแหล่งข้อมูลใด ๆ บนเว็บที่สามารถช่วยฉันให้เข้าใจการทำงานของตัวกรองคาลมานได้หรือไม่?

เว็บไซต์ส่วนใหญ่เริ่มต้นโดยตรงกับสูตรและสิ่งที่พวกเขาหมายถึง แต่ฉันสนใจที่มาของมันหรือถ้าไม่ได้รายละเอียดมาอย่างน้อยความสำคัญทางกายภาพของการดำเนินงานและพารามิเตอร์


ลองดูที่คำถามนี้: dsp.stackexchange.com/q/2066/1273
penelope

ที่นี่มีชุดคำบรรยายสั้น ๆ ที่มีประโยชน์มาก 55 ชุดโดยเริ่มจากศูนย์
Usta

บทความที่ถูกอ้างถึงอย่างมากมันจะทำให้คุณมีความเข้าใจในเรื่องการปฏิบัติจริงในหัวข้อนี้คลิกที่นี่
aadil095

คำตอบ:


15

หลายปีก่อนฉันเขียนบทช่วยสอนนี้บนตัวกรองคาลมาน มันได้มาจากตัวกรองโดยใช้ทั้งวิธีเมทริกซ์ทั่วไปเช่นเดียวกับการแสดงสมมติฐานทางสถิติว่าเป็นตัวกรองกำลังสองน้อยที่สุด


3
มันคือคุณ!!! =) การสอนที่ยอดเยี่ยมฉันสนุกกับการอ่านเมื่อปีที่แล้ว ยินดีต้อนรับสู่ DSP.SE !!!
Phonon

นี่คือการสอนที่ยอดเยี่ยม คุณคิดว่าคุณสามารถอัปเดตหากคุณมีความคิดใหม่เกี่ยวกับตัวกรองคาลมานหรือไม่? ขอบคุณ.
Royi


1

ฉันกำลังค้นหาหนังสือด้วยเช่นกันดีที่สุดเพื่อครอบคลุมพื้นฐานที่จำเป็นในการเรียนรู้และใช้ตัวกรองคาลมานในสถานการณ์ชีวิตจริง จนถึงตอนนี้ฉันได้สรุปตัวเลือกนี้:

ความรู้พื้นฐานของการกรองคาลมาน: แนวทางปฏิบัติ (ความก้าวหน้าในวิชาดาราศาสตร์และวิชาการบิน) โดยพอลซารัล

ฉันคิดว่านี่น่าจะเป็นอันที่ฉันสั่งแล้ว :)


1

ชุดวิดีโอ Youtube 3 ส่วนที่ดี (ประมาณ 10 นาทีต่อครั้ง) มอบความเข้าใจที่เข้าใจง่ายของตัวกรองคาลมาน

http://www.youtube.com/watch?v=FkCT_LV9Syk

สิ่งหนึ่งที่ควรทราบคือมีหลายวิธีในการรับสมการตัวกรองคาลมานและแต่ละวิธีจะให้มุมมองที่แตกต่างของวิธีการทำงานของมัน ดังนั้นฉันขอแนะนำให้คุณลองหาอนุพันธ์ที่แตกต่างกัน 2 - 3 ตัวเพื่อช่วยคุณอัลกอริทึมภายใน


1

เมื่อเร็ว ๆ นี้ Mandic, Danilo P. และ Kanna, Sithan และ Constantinides, Anthony G. ตีพิมพ์ " ในความสัมพันธ์ที่แท้จริงระหว่าง Least Mean Square และ Kalman Filter " ในนิตยสารประมวลผลสัญญาณ IEEE:

ตัวกรองคาลมานและตัวกรองแบบปรับตัวกำลังสองน้อยที่สุดคืออัลกอริธึมการปรับตัวที่ได้รับความนิยมมากที่สุดซึ่งมักใช้แทนกันในแอพพลิเคชั่นประมวลผลสัญญาณเชิงสถิติ โดยทั่วไปแล้วพวกเขาจะได้รับการปฏิบัติเป็นหน่วยงานที่แยกจากกันโดยที่ก่อนหน้านี้เป็นการตระหนักถึงตัวประมาณค่า Bayesian ที่ดีที่สุดและวิธีหลังเป็นวิธีแบบเรียกซ้ำสำหรับปัญหาการกรอง Wiener ที่ดีที่สุด ในบันทึกการบรรยายนี้เราพิจารณากรอบการทำงานของระบบที่เราพัฒนามุมมองร่วมกันเกี่ยวกับตัวกรองคาลมานและอัลกอริธึมชนิด LMS ผ่านการวิเคราะห์ระดับความเป็นอิสระที่จำเป็นสำหรับการปรับตัวแบบลาดชันแบบสุ่ม วิธีการนี้อนุญาตให้มีการเปิดตัวตัวกรองคาลมานโดยไม่มีความคิดเกี่ยวกับสถิติแบบเบย์



-1

ทรัพยากรที่ดีที่สุดคือหน้า Wikipedia ในความคิดของฉัน นี่คือการใช้งานตัวกรองคาลมานที่เรียบง่ายและเรียบง่ายพร้อมด้วยสัญกรณ์เดียวกันในหน้า Wikipedia: https://github.com/zziz/kalman-filter

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.