सांख्यिकी और नियंत्रण सिद्धांत में, कलमन फ़िल्टरिंग, जिसे रैखिक द्विघात अनुमान के रूप में भी जाना जाता है, एक एल्गोरिथम है जो समय के साथ देखे गए मापों की एक श्रृंखला का उपयोग करता है, जिसमें सांख्यिकीय शोर और … शामिल हैं।
कलमैन फ़िल्टर क्या करते हैं?
कलमन फ़िल्टर का उपयोग रुचि के चरों का बेहतर अनुमान लगाने के लिए किया जाता है जब उन्हें सीधे मापा नहीं जा सकता, लेकिन एक अप्रत्यक्ष माप उपलब्ध है। उनका उपयोग शोर की उपस्थिति में विभिन्न सेंसरों से मापों को मिलाकर राज्यों का सबसे अच्छा अनुमान लगाने के लिए भी किया जाता है।
कलमन फ़िल्टर अच्छा क्यों है?
कलमन फ़िल्टर उन सिस्टम के लिए आदर्श हैं जो लगातार बदल रहे हैं। उनके पास यह लाभ है कि वे स्मृति पर प्रकाश हैं (उन्हें पिछली स्थिति के अलावा कोई इतिहास रखने की आवश्यकता नहीं है), और वे बहुत तेज़ हैं, जिससे वे वास्तविक समय की समस्याओं और एम्बेडेड सिस्टम के लिए उपयुक्त हैं।
कलमैन फ़िल्टरिंग इतना लोकप्रिय क्यों है?
विंडो वाले कलमन फ़िल्टर का उपयोग पिछले राज्यों के पुन: रैखिकरण के लिए या समय चरणों के माध्यम से सहसंबंधित अवलोकन होने पर, सामान्य समीकरणों का उपयोग करना अक्सर अधिक आसान होता है। इसके अलावा, कलमन फ़िल्टर का सहप्रसरण मैट्रिक्स समय के साथ गैर-सकारात्मक अर्ध-निश्चितता में चल सकता है।
ट्रैकिंग के लिए कलमन फ़िल्टर क्या है?
कलमैन फ़िल्टरिंग (केएफ) [5] व्यापक रूप से चलती वस्तुओं को ट्रैक करने के लिए उपयोग किया जाता है, जिसके साथ हम किसी वस्तु के वेग और यहां तक कि त्वरण का अनुमान उसके स्थानों के माप से लगा सकते हैं. हालांकिKF की सटीकता किसी भी वस्तु को ट्रैक करने के लिए रैखिक गति की धारणा पर निर्भर है।
