- मैं इसे एक-राज्य प्रणाली (x) के रूप में नियंत्रित करता हूं, नियंत्रण इनपुट के रूप में जाइरो के साथ। Gyro शोर राज्य इनपुट शोर बन जाता है, कम्पास शोर माप शोर बन जाता है। तो आपका सिस्टम मॉडल जहां फिल्टर की दिशा का अनुमान है, जो आप अपने कलमैन को पाने के लिए कम्पास दिशा की तुलना करते हैं अपडेट करें।
θ˙^=ωजीyआर ओ+ w
y^=एक्स^
y^
- चुंबकीय विकृति कठिन होने जा रही है, क्योंकि यदि आप किसी एक जगह बैठते हैं तो यह एक निरंतर ऑफसेट शब्द के रूप में दिखाई देगा - कलमन फ़िल्टर इस कुएं से नहीं निपटेगा। मुझे पूरा यकीन है कि या तो आपको विरूपण को मैप करने की आवश्यकता होगी, कुछ दूसरी पूर्ण दिशा संदर्भ प्राप्त करें, या बस विरूपण को स्वीकार करें।
- आप संभावित वितरण के साथ वर्णक्रमीय सामग्री को भ्रमित कर रहे हैं। यदि शोर सफेद है, तो प्रत्येक नमूना किसी अन्य नमूने से पूरी तरह से स्वतंत्र है। यदि शोर लाप्लासियन है, तो प्रत्येक नमूना लाप्लास वितरण का पालन करता है। कलमन फ़िल्टर को रंगीन शोर पसंद नहीं है (लेकिन आप राज्यों को जोड़कर इससे निपट सकते हैं)। एक कलमन फ़िल्टर केवल समग्र इष्टतम फ़िल्टर होता है जब शोर गॉसियन वितरण का होता है और लागत फ़ंक्शन राशि-वर्ग होता है। किसी भी अन्य शोर और लागत समारोह के लिए, इष्टतम फिल्टर शायद नॉनलाइनियर है। लेकिन किसी भी शून्य-माध्य, सफ़ेद शोर और सम-लागत वर्गों के लिए फ़ंक्शन, कलमन फ़िल्टर पाया जाने वाला सबसे अच्छा रैखिक फ़िल्टर है।
(ध्यान दें कि मैंने जो सिस्टम मॉडल दिया था, वह एक सुंदर तुच्छ कलमन फ़िल्टर के साथ समाप्त होता है - आप बेहतर बंद हो सकते हैं, यदि आप कम्पास ऑफसेट का अनुमान लगाने के कुछ अन्य साधन नहीं खोज सकते हैं, इन दो सेंसर इनपुट को संयोजित करने के लिए एक मानार्थ फ़िल्टर का उपयोग करें। सभी कलमन अभिकलन बस वैसे भी एक मानार्थ फ़िल्टर को खाँसते हुए समाप्त हो जाएंगे, और संभावना है कि आपके पास अपने स्थिरांक के लिए पर्याप्त अनुमान होंगे कि आप केवल मानार्थ फ़िल्टर में क्रॉसओवर बिंदु पर अनुमान लगा सकते हैं और इसके साथ किया जा सकता है)।
(ध्यान दें, भी, कि अगर आपके पास कुछ पूर्ण स्थिति का संदर्भ है, और कुछ का मतलब गति का अनुमान है, और एक वाहन जो हमेशा उस दिशा में जाता है जो आप इसे इंगित करते हैं, तो आप उपयोग करके कम्पास विरूपण को ठीक करने के लिए बहुत ही लाभकारी रूप से कलमैन फ़िल्टर का उपयोग कर सकते हैं वह दिशा जो वास्तव में कम्पास दिशा के लिए सही होती है)।
डैन साइमन, विले 2006, द्वारा इष्टतम राज्य का अनुमान है - मेरी राय में - कलमन फ़िल्टरिंग और इसके अधिक परिष्कृत भाइयों (एच-अनन्तता, विस्तारित कलामन, असंतुष्ट कलामन, और यहां तक कि थोड़ा सा) के बहुत समृद्ध और स्पष्ट उपचार। Baysian और कण फ़िल्टरिंग पर)। यह आपको नहीं बताएगा कि इस तरह की नेविगेशन समस्याओं के लिए कैसे लागू किया जाए, लेकिन अगर सभी समस्याओं को हल किया गया तो जीवन में मज़ा कहाँ होगा? यदि आप साइमन की पुस्तक में गणित का पालन नहीं कर सकते हैं, तो आपको शायद खुद से पूछना चाहिए कि क्या आप किसी भी तरह के बुद्धिमान तरीके से कलमन फ़िल्टर लागू करने में सक्षम हो सकते हैं।