1
ตัวกรองคาลมานในทางปฏิบัติ
ฉันได้อ่านคำอธิบายของตัวกรองคาลมานแล้ว แต่ฉันยังไม่ชัดเจนว่ามันมารวมตัวกันอย่างไรในทางปฏิบัติ ดูเหมือนว่าจะมีการกำหนดเป้าหมายหลักที่ระบบเครื่องกลหรือไฟฟ้าเนื่องจากต้องการการเปลี่ยนสถานะเชิงเส้นและไม่เป็นประโยชน์สำหรับการตรวจจับความผิดปกติหรือค้นหาการเปลี่ยนสถานะด้วยเหตุผลเดียวกัน (ต้องการการเปลี่ยนสถานะเชิงเส้น) ใช่ไหม? ในทางปฏิบัติวิธีหนึ่งไม่ได้มักจะพบชิ้นส่วนที่คาดว่าจะเป็นที่รู้จักกันล่วงหน้าเพื่อใช้ตัวกรองคาลมาน ฉันมีรายการส่วนประกอบโปรดแก้ไขให้ถูกต้องหากความเข้าใจของฉันเกี่ยวกับสิ่งที่จำเป็นต้องทราบล่วงหน้านั้นไม่ถูกต้อง ฉันเชื่อว่าสิ่งเหล่านี้ไม่จำเป็นต้องรู้จัก "ล่วงหน้า": เสียงรบกวนกระบวนการww\mathbf w เสียงการสังเกตการณ์vv\mathbf v สถานะที่แท้จริงxx\mathbf x (นี่คือสิ่งที่ตัวกรองคาลมานพยายามประเมิน) ฉันเชื่อว่าสิ่งเหล่านี้จำเป็นต้องรู้ "ล่วงหน้า" เพื่อใช้ตัวกรองคาลมาน: แบบจำลองการเปลี่ยนสถานะเชิงเส้นซึ่งเราใช้กับxx\mathbf x (เราจำเป็นต้องรู้สิ่งนี้ล่วงหน้าดังนั้นรัฐของเราจะต้องอยู่ภายใต้กฎหมายที่รู้จักเช่นตัวกรองคาลมานมีประโยชน์สำหรับการแก้ไขการวัดเมื่อการเปลี่ยนจากรัฐหนึ่งไปอีกรัฐหนึ่งเป็นที่เข้าใจกันดี ขึ้นอยู่กับบิตของเสียง - ไม่ใช่เครื่องมือค้นหาความผิดปกติหรือเครื่องมือในการค้นหาการเปลี่ยนแปลงสถานะแบบสุ่ม) เวกเตอร์ควบคุมuu\mathbf u รูปแบบการป้อนข้อมูลควบคุมซึ่งใช้กับการควบคุมเวกเตอร์ (เราจำเป็นต้องรู้สิ่งนี้ล่วงหน้าเพื่อที่จะใช้ตัวกรองคาลมานเราจำเป็นต้องรู้ล่วงหน้าว่าค่าการควบคุมของเรามีผลต่อรูปแบบอย่างไร ผลจะต้องเป็นเชิงเส้น)uu\mathbf u ความแปรปรวนร่วมของสัญญาณรบกวนกระบวนการ (ซึ่งดูเหมือนว่าจะขึ้นอยู่กับเวลาในบทความ wikipedia นั่นคือขึ้นอยู่กับเวลาk ) - ดูเหมือนว่าเราจำเป็นต้องรู้สิ่งนี้ล่วงหน้าและเมื่อเวลาผ่านไปผมถือว่าในทางปฏิบัติมันเป็นค่าคงที่ ?QQ\mathbf Qkkk แบบสังเกต (เชิงเส้น) HH\mathbf H Covariance (ซึ่งดูเหมือนว่าจะขึ้นอยู่กับเวลาในบทความ wikipedia) - ประเด็นที่คล้ายกันกับQRR\mathbf RQQ\mathbf …