Αλγόριθμος σύντηξης αισθητήρα

Φίλτρο Kalman

Το φίλτρο Kalman είναι χαρακτηριστικό.

Ο πυρήνας του αλγορίθμου είναι να ορίσει ένα σύνολο παραγόντων «πιστεύω» για κάθε αισθητήρα. Κάθε στιγμή, τα δεδομένα του αισθητήρα από την τελευταία στιγμή θα χρησιμοποιούνται για στατιστικά στοιχεία για τη βελτίωση της εικασίας (αυτοπροσθήκη) και θα κριθεί επίσης η ποιότητα του αισθητήρα. Στη σύγκριση μεταξύ της προβλεπόμενης τιμής και της μετρούμενης τιμής του αισθητήρα, θα εκτιμηθεί και θα εξάγεται μια εξαιρετική τιμή.

Αυτό σημαίνει ότι εάν ένας αισθητήρας δίνει πάντα μια καλή και σταθερή τιμή και αρχίσει να σας λέει κάτι απίθανο, το επίπεδο αξιοπιστίας του αισθητήρα θα μειωθεί σε λίγα χιλιοστά του δευτερολέπτου έως ότου αρχίσει να έχει και πάλι νόημα.

Αυτό είναι καλύτερο από τον απλό υπολογισμό του μέσου όρου ή την ψηφοφορία, επειδή το φίλτρο Kalman μπορεί να αντιμετωπίσει την κατάσταση που οι περισσότεροι αισθητήρες είναι προσωρινά εκτός λειτουργίας. Όσο μπορεί κανείς να διατηρήσει τον καλό λόγο, μπορεί να κάνει το ρομπότ να περάσει τη σκοτεινή στιγμή.

Το φίλτρο Kalman είναι μια εφαρμογή γενικότερων εννοιών της αλυσίδας Markov και του συλλογισμού του Bayes, που είναι ένα μαθηματικό σύστημα που βελτιώνει επαναληπτικά τις εικασίες τους χρησιμοποιώντας στοιχεία. Αυτά τα εργαλεία είναι εργαλεία που χρησιμοποιούνται για να βοηθήσουν την ίδια την επιστήμη να δοκιμάσει ιδέες (οι οποίες αποτελούν επίσης τη βάση αυτού που ονομάζουμε «στατιστική σημασία»).

Ως εκ τούτου, μπορεί να ειπωθεί ποιητικά ότι ορισμένα συστήματα σύντηξης αισθητήρων εκφράζουν την ουσία της επιστήμης με ταχύτητα 1000 φορές το δευτερόλεπτο.

Τα φίλτρα Kalman χρησιμοποιούνται σε τροχιακούς σταθμούς διαστημικών δορυφόρων εδώ και δεκαετίες. Επειδή οι σύγχρονοι μικροελεγκτές μπορούν να εκτελέσουν τον αλγόριθμο σε πραγματικό χρόνο, γίνονται όλο και πιο δημοφιλείς στη ρομποτική.