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 l'estimation de l'État Filtre Kalman?
- Qu'est-ce que la covariance EKF?
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 l'estimation de l'État Filtre Kalman?
Le filtre Kalman produit une estimation de l'état du système comme moyenne de l'état prévu du système et de la nouvelle mesure en utilisant une moyenne pondérée. Le but des poids est que les valeurs avec mieux (i.e., incertitude plus petite) estimée est «fiable» plus.
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.
