Սենսորների միաձուլման ալգորիթմ

Kalman ֆիլտր

Kalman ֆիլտրը բնորոշ է.

Ալգորիթմի առանցքը յուրաքանչյուր սենսորի համար «հավատքի» գործոնների մի շարք սահմանելն է:Ամեն պահի վերջին պահի սենսորային տվյալները կօգտագործվեն վիճակագրության համար՝ գուշակությունը բարելավելու համար (ինքնավելացնելով), ինչպես նաև գնահատվելու է սենսորի որակը:Կանխատեսված արժեքի և սենսորի չափված արժեքի համեմատության ժամանակ կգնահատվի և թողարկվի գերազանց արժեք:

Սա նշանակում է, որ եթե սենսորը միշտ տալիս է լավ և հետևողական արժեք և սկսում է ձեզ անհավանական բան ասել, ապա սենսորի վստահելիության մակարդակը մի քանի միլիվայրկյանից կնվազի, մինչև այն նորից սկսի իմաստավորվել:

Սա ավելի լավ է, քան պարզ միջին հաշվարկը կամ քվեարկությունը, քանի որ Kalman ֆիլտրը կարող է հաղթահարել այն իրավիճակը, երբ սենսորների մեծ մասը ժամանակավորապես անսարք է:Քանի դեռ կարելի է լավ բան պահել, այն կարող է ռոբոտին հաղթահարել մութ պահը:

Կալմանի ֆիլտրը Մարկովյան շղթայի և Բայեսյան դատողության ավելի ընդհանուր հասկացությունների կիրառություն է, որը մաթեմատիկական համակարգ է, որը կրկնվող կերպով բարելավում է իրենց գուշակությունները՝ օգտագործելով ապացույցներ:Այս գործիքները գործիքներ են, որոնք օգտագործվում են օգնելու գիտությանը փորձարկել գաղափարները (որոնք նաև հիմք են հանդիսանում այն, ինչ մենք անվանում ենք «վիճակագրական նշանակություն»):

Հետևաբար, կարելի է բանաստեղծորեն ասել, որ որոշ սենսորային միաձուլման համակարգեր գիտության էությունն արտահայտում են վայրկյանում 1000 անգամ արագությամբ։

Կալմանի ֆիլտրերը տասնամյակներ շարունակ օգտագործվել են տիեզերական արբանյակների ուղեծրային կայաններում:Քանի որ ժամանակակից միկրոկառավարիչները կարող են իրական ժամանակում գործարկել ալգորիթմը, դրանք ավելի ու ավելի տարածված են դառնում ռոբոտաշինության մեջ: