- Qu'est-ce que la covariance EKF?
- 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 le bruit de covariance?
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.
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 le bruit de covariance?
La covariance du processus agit comme une matrice de pondération pour le processus système. Il relie la covariance entre le ith et le jth élément de chaque vecteur de bruit de processus. Il est défini comme: σij = cov (→ xi, → xj) = e [(→ xi - μi) ⋅ (→ xj - μj)]