In statistica e teoria del controllo, il filtraggio di Kalman, noto anche come stima quadratica lineare, è un algoritmo che utilizza una serie di misurazioni osservate nel tempo, tra cui rumore statistico e …
Cosa fanno i filtri Kalman?
I filtri Kalman vengono utilizzati per stimare in modo ottimale le variabili di interesse quando non possono essere misurate direttamente, ma è disponibile una misura indiretta. Sono utilizzati anche per trovare la migliore stima degli stati combinando le misurazioni di vari sensori in presenza di rumore.
Perché il filtro Kalman è buono?
I filtri Kalman sono ideali per sistemi che cambiano continuamente. Hanno il vantaggio di essere leggeri sulla memoria (non hanno bisogno di mantenere alcuna cronologia diversa dallo stato precedente) e sono molto veloci, il che li rende adatti per problemi in tempo reale e sistemi embedded.
Perché il filtraggio di Kalman è così popolare?
Utilizzando un filtro kalman finestrato per la rilinearizzazione degli stati passati o quando si hanno osservazioni correlate attraverso passaggi temporali, è spesso molto più facile usare le normali equazioni. Inoltre, la matrice di covarianza del filtro kalman può raggiungere una semidefinitezza non positiva nel tempo.
Cos'è il filtro Kalman per il monitoraggio?
Il filtraggio di Kalman (KF) [5] è ampiamente usato per tracciare oggetti in movimento, con il quale possiamo stimare la velocità e persino l'accelerazione di un oggetto con la misurazione delle sue posizioni. in ogni caso, illa precisione di KF dipende dal presupposto del movimento lineare per qualsiasi oggetto da tracciare.
