Buku bagus atau referensi untuk mempelajari Filter Kalman


12

Saya benar-benar baru di filter Kalman. Saya sudah memiliki beberapa kursus dasar tentang probabilitas bersyarat dan aljabar linier. Dapatkah seseorang menyarankan buku bagus atau sumber daya apa pun di web yang dapat membantu saya memahami operasi Filter Kalman?

Sebagian besar situs web memulai langsung dengan formula dan apa artinya, tetapi saya lebih tertarik pada derivasinya, atau jika tidak merinci derivasi, maka setidaknya signifikansi fisik setiap operasi dan parameter.



Di sini ada serangkaian 55 kuliah singkat yang sangat membantu, mulai dari awal
Usta

Makalah yang sangat dikutip, ini akan memberi Anda pemahaman praktis tentang topik ini klik di sini
aadil095

Jawaban:


15

Bertahun-tahun yang lalu saya menulis tutorial ini pada filter Kalman. Ini mendapatkan filter menggunakan pendekatan matriks konvensional serta menunjukkan asumsi statistik sebagai filter kuadrat terkecil 'optimal'.


3
Itu kamu !!! =) Tutorial yang luar biasa, saya sangat menikmati membacanya tahun lalu. Selamat datang di DSP.SE !!!
Telepon

Ini adalah tutorial yang besar. Apakah Anda pikir Anda dapat memperbaruinya jika Anda memiliki pemikiran baru tentang filter Kalman? Terima kasih.
Royi



1

3 bagian seri Video Youtube yang bagus (masing-masing ~ 10 menit) memberikan pemahaman intuitif tentang Filter Kalman.

http://www.youtube.com/watch?v=FkCT_LV9Syk .

Satu hal yang perlu diperhatikan adalah bahwa ada berbagai cara untuk memperoleh persamaan Filter Kalman dan setiap metode memberi Anda perspektif yang berbeda tentang cara kerjanya. Jadi, saya sarankan Anda melihat 2 - 3 derivasi berbeda untuk membantu Anda menginternalisasi algoritma ini.


1

Baru-baru ini, Mandic, Danilo P. dan Kanna, Sithan dan Constantinides, Anthony G. menerbitkan " Tentang Hubungan Intrinsik Antara Least Mean Square dan Kalman Filter " di majalah pemrosesan IEEE Signal:

Filter Kalman dan filter adaptif least mean square (LMS) adalah dua algoritma estimasi adaptif paling populer yang sering digunakan secara bergantian dalam sejumlah aplikasi pemrosesan sinyal statistik. Mereka biasanya diperlakukan sebagai entitas yang terpisah, dengan yang pertama sebagai realisasi dari penaksir Bayesian yang optimal dan yang terakhir sebagai solusi rekursif untuk masalah penyaringan Wiener optimal. Dalam catatan kuliah ini, kami mempertimbangkan kerangka kerja identifikasi sistem di mana kami mengembangkan perspektif bersama tentang penyaringan Kalman dan algoritma tipe-LMS, yang dicapai dengan menganalisis derajat kebebasan yang diperlukan untuk adaptasi keturunan gradien stokastik yang optimal. Pendekatan ini memungkinkan pengenalan filter Kalman tanpa gagasan statistik Bayesian,



Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.