Howtosignalprocessing
- Qu'est-ce que la covariance d'erreur Filtre Kalman?
- Qu'est-ce que la covariance d'erreur?
- Pourquoi le filtre Kalman étendu n'est-il pas optimal?
- Qu'est-ce que la covariance EKF?
Qu'est-ce que la covariance d'erreur Filtre Kalman?
Le filtre Kalman (KF) est un schéma récursif qui propage une estimation actuelle d'un État et la matrice de covariance d'erreur de cet État à temps dans le temps. Le filtre mélange de manière optimale les nouvelles informations introduites par les mesures avec des informations anciennes incorporées dans l'état précédent avec une matrice de gain Kalman.
Qu'est-ce que la covariance d'erreur?
La matrice de covariance d'erreur (ECM) est un ensemble de données qui spécifie les corrélations des erreurs d'observation entre toutes les paires possibles de niveaux verticaux. Il est donné comme un tableau bidimensionnel, de taille nxn, où n est le nombre de niveaux verticaux dans les produits de données de sondage.
Pourquoi le filtre Kalman étendu n'est-il pas optimal?
EKF n'est pas optimal (principalement)
Cela se produit parce que l'EKF se rapproche des transitions et des mesures de l'état en utilisant des expansions linéaires de Taylor, ce qui rend la bonté de l'approximation dépendante du degré de non-linéarité des fonctions approximées et de l'incertitude de sa croyance gaussienne [2] [5].
Qu'est-ce que la covariance EKF?
Le filtre Kalman étendu (EKF) est une méthode d'estimation d'état populaire pour les modèles dynamiques non linéaires. La matrice de covariance d'erreur du modèle est souvent considérée comme un paramètre de réglage dans EKF, qui est souvent simplement postulé par l'utilisateur.
