Cтраница 2
Однако при использовании фильтра Калмана необходимо иметь в виду следующее. [16]
Требуется построить для (6.38) фильтр Калмана. [17]
Рассмотрим теперь методику применения фильтра Калмана для решения практических задач химической технологии. [18]
Были проведены экспериментальные сравнения фильтра Калмана и наблюдателя Люенбергера в задаче оценки состояния двойного перевернутого маятника при неточно заданных начальных условиях и помехах. [19]
Тем самым справедливость уравнений фильтра Калмана (2.18), (2.27) установлена. [20]
Измерения подаются на вход фильтра Калмана, который при плохой сходимости оценок работает в режиме е-механизации ( например с коэффициентом е 1 025), что обеспечивает лучшие характеристики сходимости оценок. [21]
Алгоритм оценивания, известный как фильтр Калмана, формирует взвешенное среднее двух независимых векторных оценок. [22]
Другой путь состоит в использовании фильтра Калмана. [23]
Соотношения (8.29) - (8.32) представляют собой фильтр Калмана для линейных многошаговых дискретных процессов. [24]
В настоящее время широкое применение находят фильтры Калмана 20, 21 1, имеющие определенные преимущества при обработке информации. Данные измерений обрабатываются по мере их поступления. Если же входные переменные представляют собой стационарные случайные процессы, то методы Калмана не имеют преимуществ перед методом фильтрации по Винеру. [25]
Соотношения (4.85) - (4.87) называются уравнениями фильтра Калмана. Калмана, основываясь на уравнешш сообщения (4.81), прогнозирует оценочное значение 6X - i на / - и шаг. Коэффициент пропорциональности, регулирующий вес новых данных ( невязки) в К, по сравнению с прогнозом bfk i, называют коэффициентом усиления фильтра Калмана. X -, усредненным по всем возможным шумам наблюдения, и, таким образом, характеризует точность оценки на / - м шаге. Действия, выполняемые фильтром Калмана, иллюстрируются схемой рис. 4.10, в которой элемент задержки осуществляет запоминание предыдущей, ( / - 1) - й, оценки до следующего, / - го, шага. [26]
Приведенные рассуждения позволяют понять и алгоритм фильтра Калмана для векторного параметра при векторных наблюдениях. [27]
В работе [2.22] демонстрируются результаты моделирования фильтра Калмана. [28]
Выражение ( IV-15) и является фильтром Калмана для сформулированной задачи. [29]
Изучите теоретические положения, лежащие в основе фильтров Калмана - Бьюси. Покажите, что если входные воздействия являются стационарными случайными процессами, то метод Калмана - Бьюси не имеет существенных преимуществ перед методом синтеза оптимальных фильтров Колмогорова - Винера. Этот метод в основном применяют для синтеза оптимальных нестационарных линейных фильтров. Обратите внимание на тот факт, что в теории синтеза фильтров Калмана - Бьюси существенным является то, что случайный процесс m ( t) должен быть представлен дифференциальным уравнением, другими словами, он должен быть сформирован с помощью формирующего фильтра. Для скалярных стационарных, в широком смысле, случайных процессов, определенных на всей прямой, непрерывных в среднеквадратичном, задача синтеза формирующих фильтров изучена. В этом случае задача решается наиболее просто, если случайный процесс имеет дробно-рациональную спектральную плотность, и формирующий фильтр можно описать обыкновенным дифференциальным уравнением с постоянными коэффициентами. Последнее получается на основе факторизации дробно-рациональной спектральной плотности. [30]