Em estatística e teoria de controle, a filtragem de Kalman, também conhecida como estimativa quadrática linear, é um algoritmo que usa uma série de medidas observadas ao longo do tempo, incluindo ruído estatístico e …
O que os filtros Kalman fazem?
Os filtros Kalman são usados para estimar de forma otimizada as variáveis de interesse quando não podem ser medidas diretamente, mas uma medida indireta está disponível. Eles também são usados para encontrar a melhor estimativa de estados combinando medições de vários sensores na presença de ruído.
Por que o filtro Kalman é bom?
Os filtros Kalman são ideais para sistemas que mudam continuamente. Eles têm a vantagem de serem leves na memória (eles não precisam manter nenhum histórico além do estado anterior) e são muito rápidos, tornando-os adequados para problemas em tempo real e sistemas embarcados.
Por que a filtragem de Kalman é tão popular?
Usando um filtro kalman janelado para relinearização de estados passados ou quando se tem observações correlacionadas através de passos de tempo, é frequentemente muito mais fácil usar as equações normais. Além disso, a matriz de covariância do filtro de kalman pode apresentar uma semidefinição não positiva ao longo do tempo.
O que é o filtro Kalman para rastreamento?
A filtragem de Kalman (KF) [5] é amplamente utilizada para rastrear objetos em movimento, com a qual podemos estimar a velocidade e até a aceleração de um objeto com a medição de suas localizações. No entanto, oa precisão do KF depende da suposição de movimento linear para qualquer objeto a ser rastreado.
