Odborná definícia
Význam a odborné vymedzenie pojmu
Kalmanov filter je rekurzívny algoritmus na odhad stavu lineárneho dynamického systému z neistého modelu pohybu a zašumených meraní. V predikčnom kroku premietne predchádzajúci stav a jeho kovarianciu dopredu, v korekčnom kroku ich upraví inováciou váženou Kalmanovým ziskom. Pri lineárnom modeli a gaussovskom šume poskytuje optimálny odhad v zmysle minimálnej strednej kvadratickej chyby. Nesprávne kovariancie vedú k prehnanej dôvere alebo nestabilite. Filter súčasne aktualizuje bodový odhad aj maticu neistoty, čo umožňuje kontrolovať konzistenciu.
Zrozumiteľné vysvetlenie
Ako sa pojem používa v praxi
Navigácia vozidla vie z modelu pohybu odhadnúť, kde by auto malo byť o sekundu, ale GPS meranie kolíše. Kalmanov filter nespraví slepý priemer. Sleduje neistotu oboch zdrojov a viac uverí tomu, ktorý je v danej chvíli presnejší. Po výpadku GPS pokračuje predikciou, no neistota rastie. Keď sa signál vráti, meranie odhad opraví. Ak systém nesprávne tvrdí, že lacný senzor je veľmi presný, filter bude jeho chybám prikladať priveľkú váhu. Graf neistoty je rovnako dôležitý ako samotná čiara polohy, pretože ukazuje, kedy odhadu veriť.
Časté otázky
Otázky, ktoré spresňujú význam
Čo je skrytý stav?
Vektor veličín, ktoré chceme odhadnúť, napríklad poloha, rýchlosť a smer, hoci ich nemeriame priamo alebo úplne. Merací model opisuje, ako sa stav premieta do pozorovaných senzorových hodnôt.
Čo vyjadruje Kalmanov zisk?
Určuje relatívnu váhu nového merania voči predikcii. Vypočítava sa z kovariancií neistoty. Veľký zisk znamená silnú korekciu meraním, malý zisk zachováva viac z modelovej predikcie.
Kedy použiť extended Kalman filter?
Keď sú prechod stavu alebo merací model nelineárne, ale dajú sa lokálne aproximovať Jacobianom. Silná nelinearita alebo nevhodná linearizácia môže viesť k zlému odhadu, preto sa zvažuje UKF alebo časticový filter.
Ako súvisí Kalmanov filter s AI?
Používa sa pri robotike, trackingu, fúzii senzorov, odhade latentných stavov a hybridných systémoch, kde neurónová sieť učí časť dynamiky alebo šumu a filter zachováva explicitnú probabilistickú aktualizáciu.
Ako sa zistí nesprávne nastavenie šumu?
Sledujú sa inovácie, ich priemer, kovariancia a konzistencia s predpokladaným rozdelením. Systematické rezíduá, podhodnotená neistota alebo rastúca chyba signalizujú chybný model alebo kovariančné matice.
Súvisiace pojmy
Významové a tematické súvislosti
Pojem v rozhodovaní
Odborné články, ktoré tento pojem používajú v praxi
Zdroje a redakčná stopa
Použité východiská a odborná revízia
- Kalman, A New Approach to Linear Filtering Millidge a kol., Neural Kalman Filtering
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.