Dabóczi Tamás, Dobrowiecki Tadeusz, Pálfi Vilmos, Péceli Gábor, Renczes Balázs, Sujbert László, Virosztek Tamás

Mérés- és adattudomány

Válogatott fejezetek


Szenzorfúzió Kálmán-szűrővel

A Kálmán-szűrő állapotteres leírással rendelkező lineáris rendszerek közvetlenül nem megfigyelhető belső állapotváltozóinak becslésére, és ezen állapotváltozók becsléséből a kimenet szűrésére bizonyítottan hatékony módszer. Kis módosítással alkalmassá tehető szenzorfúzióra is. A legegyszerűbb eset, amikor egy megfigyelendő kimeneti változónk van, és ezt több szenzorral szeretnénk mérni. Az egyes szenzorokat más és más zavarok terhelik (3.31. ábra megfigyelési zaj vektora). Ezt úgy modellezhetjük, hogy a kicsatoló mátrixszal szétcsatoljuk az adott állapotváltozót annyi kimeneti csatornára, ahány szenzorunk van. A Kálmán-szűrő az állapotváltozó becslésekor mindegyik megfigyelést figyelembe veszi, az adott megfigyeléshez tartozó megfigyelési zaj szórásának függvényében. A sok szenzor (és azok korábbi értékei) ismeretében születik meg a becslés az állapotváltozókra, amiből egy simított, szűrt, sőt akár predikált kimeneti becslés származtatható a megfigyelendő mennyiségre. A 3.31. ábrán a megfigyelő állapotváltozóiban az azt jelenti, hogy a kimeneti mintákat a b. időpillanatig ismerjük, és ez alapján becsüljük az állapotváltozót az időpillanatban. Ugyanez a jelölésrendszer igaz a megfigyelő által becsült kimenetre (). (Az implementáció során érdemes odafigyelni arra, hogy a megfigyelő az állapot- és megfigyelési zajt nem tartalmazza a modelljében. Ennek megfelelően az állapotváltozók becslőjének szétcsatolása alternatív szenzorok modellezésére a megfigyelőben már redundáns, hiszen minden csatorna ugyanazt a becslést fogja tartalmazni, ezért ezeket elég egyszer kiszámolni.)

Mérés- és adattudomány

Tartalomjegyzék


Kiadó: Akadémiai Kiadó

Online megjelenés éve: 2020

ISBN: 978 963 454 379 4

Hivatkozás: https://mersz.hu/meres-es-adattudomany//

BibTeXEndNoteMendeleyZotero

Kivonat
fullscreenclose
printsave