- Quelle est la matrice R dans le filtre Kalman?
- Qu'est-ce que la matrice d'État dans le filtre Kalman?
- Qu'est-ce que la matrice de covariance d'erreur dans le filtre Kalman?
- Kalman gagne-t-il une matrice?
Quelle est la matrice R dans le filtre Kalman?
R exprime la précision de vos capteurs. Q est une mesure de la précision de votre modèle - certaines dynamiques sont trop compliquées pour être modélisées et sont supposées comme un bruit de processus. En comparant vos prévisions de modèle avec des mesures réelles, vous pouvez estimer Q.
Qu'est-ce que la matrice d'État dans le filtre Kalman?
La matrice de transition d'état décrit comment vos États se propagent avec le temps étant donné un état initial. Pour un système linéaire invariant dans le temps (LTI), il s'agit d'une matrice constante. Par exemple, en supposant que j'ai un modèle LTI à temps discret en 2 dimensions indiqué ci-dessous: x (k + 1) = x (k) ---- (1) y (k + 1) = y (k) + 2x ( k) ----- (2)
Qu'est-ce que la matrice de covariance d'erreur 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.
Kalman gagne-t-il une matrice?
Le gain de filtre Kalman survient dans l'estimation linéaire et est associé à des systèmes linéaires. Le gain est une matrice par laquelle l'estimation et la prédiction de l'État ainsi que les matrices de covariance d'estimation et de prédiction correspondantes sont calculées.