სენსორის შერწყმის ალგორითმი

კალმანის ფილტრი

კალმანის ფილტრი ტიპიურია.

ალგორითმის ბირთვი არის თითოეული სენსორისთვის "რწმენის" ფაქტორების სიმრავლე. ყოველ მომენტში, ბოლო მომენტიდან სენსორის მონაცემები გამოყენებული იქნება სტატისტიკისთვის, რომ გაუმჯობესდეს გამოცნობა (თვითშეფასება), ასევე გაასამართლებენ სენსორის ხარისხს. პროგნოზირებულ მნიშვნელობასა და სენსორის გაზომვადი მნიშვნელობას შორის შედარებისას, შეფასდება შესანიშნავი მნიშვნელობა და გამომავალი.

ეს ნიშნავს, რომ თუ სენსორი ყოველთვის კარგ და თანმიმდევრულ მნიშვნელობას ანიჭებს და იწყებს რაიმე ნაკლებად სავარაუდო გეტყვით, სენსორის სანდოობის დონე შემცირდება რამდენიმე მილიწამში, სანამ ის კვლავ დაიწყებს აზრი.

ეს უკეთესია, ვიდრე მარტივი საშუალოდ ან კენჭისყრა, რადგან კალმანის ფილტრს შეუძლია გაუმკლავდეს იმ სიტუაციას, რომ სენსორების უმეტესობა დროებით არ არის მოწესრიგებული. სანამ ადამიანს შეუძლია კარგი მიზეზი შეინარჩუნოს, მას შეუძლია რობოტი ბნელ მომენტში.

კალმანის ფილტრი არის მარკოვის ჯაჭვისა და ბაიესის დასაბუთების უფრო ზოგადი კონცეფციების გამოყენება, რაც მათემატიკური სისტემაა, რომელიც განმეორებით აუმჯობესებს მათ ვარაუდებს მტკიცებულებების გამოყენებით. ეს ინსტრუმენტები არის ინსტრუმენტები, რომლებიც გამოიყენება მეცნიერების დასახმარებლად თავად იდეების შესამოწმებლად (რაც ასევე არის საფუძველი იმისა, რასაც ჩვენ "სტატისტიკურ მნიშვნელობას" ვუწოდებთ).

აქედან გამომდინარე, შეიძლება ითქვას პოეტურად, რომ ზოგიერთი სენსორული შერწყმის სისტემა გამოხატავს მეცნიერების არსს წამში 1000 ჯერ სიჩქარით.

კალმანის ფილტრები გამოყენებულია კოსმოსური თანამგზავრების ორბიტულ სადგურებში ათწლეულების განმავლობაში. იმის გამო, რომ თანამედროვე მიკროკონტროლერებს შეუძლიათ ალგორითმის რეალურ დროში მართონ, ისინი უფრო და უფრო პოპულარული ხდება რობოტიკაში.