Howtosignalprocessing
- Qu'est-ce que la covariance dans le filtre Kalman?
- Pourquoi la matrice de covariance est utilisée dans le filtre Kalman?
- Qu'est-ce que la covariance EKF?
- Comment initialisez-vous un filtre Kalman?
Qu'est-ce que la covariance dans le filtre Kalman?
Cette incertitude peut être représentée par une matrice connue sous le nom de matrice de covariance d'État, P. La matrice de covariance de l'État se compose des variances associées à chacune des estimations de l'État ainsi que de la corrélation entre les erreurs dans les estimations de l'État.
Pourquoi la matrice de covariance est utilisée dans le 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 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.
Comment initialisez-vous un filtre Kalman?
En l'absence de données de covariance, les filtres Kalman sont généralement initialisés en devinant l'état initial. Faire la variance de l'estimation de l'état initial GRAND s'assure que l'estimation converge rapidement et que l'influence de la supposition initiale sera bientôt négligeable.
