Αλγόριθμος σύντηξης αισθητήρα

Φίλτρο kalman

Το φίλτρο Kalman είναι τυπικό.

Ο πυρήνας του αλγορίθμου είναι να θέσει ένα σύνολο παραγόντων "πεποίθησης" για κάθε αισθητήρα. Σε κάθε στιγμή, τα δεδομένα του αισθητήρα από την τελευταία στιγμή θα χρησιμοποιηθούν για στατιστικά στοιχεία για τη βελτίωση της εικασίας (αυτο-προστασία) και η ποιότητα του αισθητήρα θα κριθεί επίσης. Στη σύγκριση μεταξύ της προβλεπόμενης τιμής και της μετρούμενης τιμής του αισθητήρα, θα εκτιμηθεί και θα εξαντληθεί μια εξαιρετική τιμή.

Αυτό σημαίνει ότι εάν ένας αισθητήρας δίνει πάντα μια καλή και συνεπή αξία και αρχίζει να σας λέει κάτι απίθανο, το επίπεδο αξιοπιστίας του αισθητήρα θα μειωθεί σε μερικά χιλιοστά του δευτερολέπτου μέχρι να αρχίσει να έχει νόημα ξανά.

Αυτό είναι καλύτερο από το απλό μέσο όρο ή την ψηφοφορία, επειδή το φίλτρο Kalman μπορεί να αντιμετωπίσει την κατάσταση που οι περισσότεροι αισθητήρες είναι προσωρινά εκτός τάξης. Εφόσον κάποιος μπορεί να κρατήσει καλό λόγο, μπορεί να κάνει το ρομπότ μέσα από τη σκοτεινή στιγμή.

Το φίλτρο Kalman είναι μια εφαρμογή γενικότερων εννοιών της αλυσίδας Markov και της Bayesian λογικής, το οποίο είναι ένα μαθηματικό σύστημα που βελτιώνει επαναληπτικά τις εικασίες τους χρησιμοποιώντας στοιχεία. Αυτά τα εργαλεία είναι εργαλεία που χρησιμοποιούνται για να βοηθήσουν τις ιδέες της επιστήμης να δοκιμάσουν τις 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 ανά δευτερόλεπτο.

Τα φίλτρα Kalman έχουν χρησιμοποιηθεί σε τροχιακούς σταθμούς διαστημικών δορυφόρων για δεκαετίες. Επειδή οι σύγχρονοι μικροελεγκτές μπορούν να τρέξουν τον αλγόριθμο σε πραγματικό χρόνο, γίνονται ολοένα και πιο δημοφιλείς στη ρομποτική.