ตัวกรองคาลมานจะให้ผลที่ดีกว่าค่าเฉลี่ยเคลื่อนที่อย่างง่ายเมื่อใด

ฉันเพิ่งใช้ตัวกรองคาลมานกับตัวอย่างง่ายๆของการวัดตำแหน่งของอนุภาคด้วยความเร็วและความเร่งแบบสุ่ม ฉันพบว่าตัวกรองคาลมานทำงานได้ดี แต่ฉันถามตัวเองว่าอะไรคือความแตกต่างระหว่างสิ่งนี้กับค่าเฉลี่ยเคลื่อนที่? ฉันพบว่าถ้าฉันใช้หน้าต่างประมาณ 10 ตัวอย่างว่าค่าเฉลี่ยเคลื่อนที่มีประสิทธิภาพสูงกว่าตัวกรองคาลมานและฉันพยายามค้นหาตัวอย่างเมื่อใช้ตัวกรองคาลมานมีข้อได้เปรียบเพียงแค่ใช้ค่าเฉลี่ยเคลื่อนที่

ฉันรู้สึกว่าค่าเฉลี่ยเคลื่อนที่นั้นใช้งานง่ายกว่าตัวกรองคาลมานและคุณสามารถนำไปใช้กับสัญญาณโดยไม่ต้องกังวลเกี่ยวกับกลไกพื้นที่รัฐ ฉันรู้สึกเหมือนขาดอะไรบางอย่างพื้นฐานที่นี่และขอขอบคุณสำหรับความช่วยเหลือที่ผู้อื่นสามารถเสนอได้

การประมาณการที่กำหนดโดยค่าเฉลี่ยเคลื่อนที่จะล่าช้าหลังสถานะที่แท้จริง

สมมติว่าคุณต้องการวัดระดับความสูงของเครื่องบินที่เพิ่มขึ้นด้วยความเร็วคงที่และคุณมีการวัดระดับความสูงที่มีเสียงดัง (เกาส์เซียน) ค่าเฉลี่ยในช่วงเวลาของการวัดระดับความสูงที่มีเสียงดังมีแนวโน้มที่จะทำให้คุณประมาณการได้ดีว่าเครื่องบินอยู่ตรงกลางช่วงเวลานั้นหรือไม่

หากคุณใช้ช่วงเวลาที่ใหญ่ขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยจะแม่นยำมากขึ้น แต่จะประมาณความสูงของระนาบก่อนหน้า หากคุณใช้ช่วงเวลาที่เล็กลงสำหรับค่าเฉลี่ยเคลื่อนที่ของคุณค่าเฉลี่ยจะแม่นยำน้อยลง แต่จะประมาณความสูงของระนาบในเวลาที่เร็วขึ้น

ที่กล่าวว่าความล่าช้าของค่าเฉลี่ยเคลื่อนที่อาจไม่ก่อให้เกิดปัญหาในการใช้งานบางอย่าง

แก้ไข: โพสต์นี้ถามคำถามเดียวกันและมีการตอบสนองและทรัพยากรมากขึ้น

ฉันพบว่าการใช้พารามิเตอร์ดั้งเดิมที่ฉันใช้ในการตั้งค่าปัญหาค่าเฉลี่ยเคลื่อนที่นั้นทำงานได้ดีขึ้น แต่เมื่อฉันเริ่มเล่นกับพารามิเตอร์ที่กำหนดโมเดลไดนามิกของฉันฉันพบว่าตัวกรอง Kalman ทำงานได้ดีขึ้นมาก ตอนนี้ฉันมีการตั้งค่าบางอย่างเพื่อดูผลกระทบของพารามิเตอร์ที่เล่นฉันคิดว่าฉันจะได้รับสัญชาตญาณที่ดีขึ้นในสิ่งที่เกิดขึ้น ขอบคุณผู้ที่ตอบและขอโทษถ้าคำถามของฉันเป็น / คลุมเครือ