Saya telah membaca deskripsi dari filter Kalman, tetapi saya tidak jelas tentang bagaimana hal itu menyatu dalam praktik. Tampaknya terutama ditargetkan pada sistem mekanik atau listrik karena menginginkan transisi keadaan linear dan tidak berguna untuk deteksi anomali atau mencari transisi keadaan karena alasan yang sama (ia menginginkan transisi keadaan linear), apakah itu benar? Dalam praktiknya, bagaimana orang biasanya menemukan komponen yang diharapkan diketahui terlebih dahulu untuk menggunakan filter Kalman. Saya telah membuat daftar komponen, mohon koreksi saya jika pemahaman saya tentang apa yang perlu diketahui sebelumnya salah.
Saya percaya ini tidak perlu diketahui "sebelumnya":
- Proses kebisingan
- Kebisingan pengamatan
- Status aktual (inilah yang diperkirakan oleh filter Kalman)
Saya percaya ini perlu diketahui "di muka" untuk menggunakan filter Kalman:
- Model transisi keadaan linier yang kami terapkan ke (kita perlu mengetahui hal ini sebelumnya, sehingga keadaan kita harus diatur oleh hukum yang dikenal, yaitu filter Kalman berguna untuk mengoreksi pengukuran ketika transisi dari satu negara ke negara lain dipahami dengan baik dan deterministik hingga sedikit noise - ini bukan pencari anomali atau alat untuk menemukan perubahan keadaan acak)
- Kontrol vektor
- Model input kontrol yang diterapkan untuk mengendalikan vektor (kita perlu tahu ini terlebih dahulu, jadi untuk menggunakan filter Kalman kita juga perlu tahu terlebih dahulu bagaimana nilai kontrol kita mempengaruhi model, hingga paling banyak beberapa noise gaussian, dan efek harus linier)
- Kovarian dari kebisingan proses (yang tampaknya tergantung pada waktu dalam artikel wikipedia, yaitu tergantung pada waktu k ) - tampaknya kita perlu mengetahui ini sebelumnya dan seiring waktu, saya berasumsi dalam praktiknya dianggap konstan ?
- Model pengamatan (linier)
- Covariance (yang tampaknya juga tergantung waktu dalam artikel wikipedia) - masalah yang mirip dengan Q
PS Dan ya saya tahu banyak dari ini tergantung pada waktu, saya hanya menjatuhkan semua kekacauan subskrip. Jangan ragu untuk membayangkan huruf kecil di kanan dan bawah dari setiap nama variabel jika Anda mau.