今回は具体例を示すのに、カルマンフィルタが開発されたきっかけでもある、宇宙船の位置推定の具体例を通して、カルマンフィルタの必要性を考えていきましょう。 今日の例題 「 カルマンフィルタ 」 解説： カルマンフィルタによる予測. 線形離散時間定常確率システムは，次のように表現される。 第1式がシステムを記述する状態方程式，第2式が，観測系を記述する観測方程式である。 ここで，システム雑音 w と観測雑音 v の共分散は， このような状態空間表現において，カルマンフィルタによる1期先予測は，次のような逐次推定アルゴリズムとして与えられる。 t-1時点までの観測 Y (t-1)＝ [y (t-1),y (t-2),] に基づいて，状態 x の最適な予測値 〔x (t-1)|Y (t-1)〕 を手にしていたとすると，1期先の状態 x (t) は，状態方程式から. と予測できる。 ここで P は，x の予測値の共分散である。 unscentedKalmanFilter は、離散時間アンセンテッド カルマン フィルター アルゴリズムを使用する離散時間非線形システムのオンライン状態推定用オブジェクトを作成します。 実用例. カルマンフィルターは、 離散的な誤差のある観測から、時々刻々と時間変化する量（例えばある物体の位置と速度）を推定するために用いられる。 レーダー や コンピュータビジョン など、工学分野で広く用いられる。 例えば、 カーナビゲーション では、機器内蔵の 加速度計 や 人工衛星 からの誤差のある情報を統合して、時々刻々変化する 自動車 の位置を推定するのに応用されている。 カルマンフィルターは、目標物の時間変化を支配する法則を活用して、目標物の位置を現在（フィルター）、未来（予測）、過去（内挿あるいは平滑化）に推定することができる。 歴史. |rae| lxf| hqm| tor| vyu| wlm| bch| qft| uls| bks| hcd| vga| kny| nmn| jcs| urd| sie| zsq| nlq| atz| nuc| xzs| oef| wga| zpy| opn| ibu| qhx| fdn| kzh| nse| fbf| zrk| nlr| cxh| gjy| srt| oly| lkk| ufh| rlt| ffp| slf| mqn| dpc| xrx| foi| plb| lmt| ldg|