Kalman filtr | AI slovník | DNA marketing®

Odborná definice

Kalmanů filtr je rekurzívny algoritmus na odhad stavu lineárneho dynamického systému z neistého modelu pohybu a zašumených měření. V predikčnom kroku premietne předchozí stav a jeho kovarianci dopredu, v korekčnom kroku jejich upraví inovací váženou Kalmanovým ziskom. Při lineárním modeli a gaussovskom šume poskytuje optimálny odhad v smyslu minimálnej střední kvadratické chyby. Nesprávně kovariance vedou k prehnanej důvere nebo nestabilite. Filtr současně aktualizuje bodový odhad i matici nejistoty, co umožňuje kontrolovat konzistenci.

Srozumitelné vysvětlení

Navigace vozidla ví z modelu pohybu odhadnout, kde by auto malo být o sekundu, ale GPS měření kolíše. Kalmanů filtr nespraví slepý průměr. Sleduje nejistotu obou zdrojů a více uverí tomu, který je v dané chvíli přesnější. Po výpadku GPS pokračuje predikcí, ale nejistota roste. Když se signál vrátí, měření odhad opraví. Pokud systém nesprávně tvrdí, že lacný senzor je velmi přesný, filtr bude jeho chybám prikladat privelkou váhu. Graf nejistoty je stejně důležitý jako samotná čiara polohy, protože ukazuje, kdy odhadu veriť.

Časté otázky

Co je skrytý stav?

Vektor veličín, které chceme odhadnout, například poloha, rychlost a směr, ačkoli jejich nemeriame přímo nebo zcela. Merací model popisuje, jak se stav premieta do pozorovaných senzorových hodnot.

Co vyjadřuje Kalmanů zisk?

Určuje relatívnu váhu nového měření vůči predikci. Vypočítava se z kovariancií nejistoty. Velký zisk znamená silnou korekci meráním, malý zisk zachovává více z modelové predikce.

Kdy použít extended Kalman filtr?

Když jsou prechod stavu nebo merací model nelineárně, ale dají se lokálně aproximovat Jacobianom. Silná nelinearita nebo nevhodná linearizace může vést k zlému odhadu, proto se zvažuje UKF nebo časticový filtr.

Jako souvisí Kalmanů filtr s AI?

Používá se při robotike, trackingu, fúzii senzorů, odhade latentných stavů a hybridných systémech, kde neuronová síť učí část dynamiky nebo šumu a filtr zachovává explicitní probabilistickou aktualizaci.

Jak se zistí nesprávně nastavení šumu?

Sledují se inovace, jejich průměr, kovariance a konzistence s predpokladaným rozdělením. Systematické rezíduá, podhodnotená nejistota nebo rastúca chyba signalizují chybný model nebo kovariančné matice.

Související pojmy

Zdroje a redakční stopa

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.