İstatistik ve kontrol teorisinde, doğrusal ikinci dereceden tahmin olarak da bilinen Kalman filtreleme, istatistiksel gürültü ve … dahil olmak üzere zaman içinde gözlemlenen bir dizi ölçümü kullanan bir algoritmadır.
Kalman filtreleri ne işe yarar?
Kalman filtreleri, doğrudan ölçülemediklerinde, ancak dolaylı bir ölçüm mevcut olduğunda ilgi değişkenlerini en iyi şekilde tahmin etmek içinkullanılır. Ayrıca, gürültü varlığında çeşitli sensörlerden alınan ölçümleri birleştirerek durumların en iyi tahminini bulmak için kullanılırlar.
Kalman filtresi neden iyidir?
Kalman filtreleri sürekli değişen sistemler için idealdir. Hafif olmaları avantajına sahiptirler (önceki durumdan başka bir geçmiş tutmalarına gerek yoktur) ve çok hızlıdırlar, bu da onları gerçek zamanlı problemler ve gömülü sistemler için çok uygun hale getirir.
Kalman filtreleme neden bu kadar popüler?
Geçmiş durumları yeniden doğrusallaştırma için pencereli bir kalman filtresi kullanmak veya zaman adımlarıyla ilişkili gözlemlere sahip olmak, genellikle normal denklemleri kullanmak çok daha kolaydır. Ek olarak, kalman filtresinin kovaryans matrisi zamanla pozitif olmayan yarı kesinliğe dönüşebilir.
Takip için Kalman filtresi nedir?
Kalman filtreleme (KF) [5] hareket eden nesneleri izlemek için yaygın olarak kullanılır, bu sayede bir nesnenin konumlarını ölçerek hızını ve hatta ivmesini tahmin edebiliriz. AncakKF'nin doğruluğu, izlenecek herhangi bir nesne için doğrusal hareket varsayımına bağlıdır.
