სენსორის შერწყმის ალგორითმი

კალმანის ფილტრი

ტიპიურია კალმანის ფილტრი.

ალგორითმის ბირთვი არის თითოეული სენსორისთვის "რწმენის" ფაქტორების ნაკრების დაყენება. ყოველ მომენტში, ბოლო მომენტის სენსორის მონაცემები გამოყენებული იქნება სტატისტიკისთვის გამოცნობის გასაუმჯობესებლად (თვითდამატებით), ასევე შეფასდება სენსორის ხარისხიც. პროგნოზირებულ მნიშვნელობასა და სენსორის გაზომილ მნიშვნელობას შორის შედარებისას შეფასდება შესანიშნავი მნიშვნელობა და გამომავალი.

ეს ნიშნავს, რომ თუ სენსორი ყოველთვის იძლევა კარგ და თანმიმდევრულ მნიშვნელობას და დაიწყებს რაღაცის თქმას, რაც ნაკლებად სავარაუდოა, სენსორის სანდოობის დონე შემცირდება რამდენიმე მილიწამში, სანამ ის კვლავ აზრს დაიწყებს.

ეს უკეთესია, ვიდრე მარტივი საშუალო ან ხმის მიცემა, რადგან Kalman ფილტრს შეუძლია გაუმკლავდეს სიტუაციას, როდესაც სენსორების უმეტესობა დროებით გამორთულია. სანამ ადამიანს შეუძლია კარგი მიზეზის შენარჩუნება, მას შეუძლია რობოტს გადალახოს ბნელი მომენტი.

კალმანის ფილტრი არის მარკოვის ჯაჭვისა და ბაიესის მსჯელობის უფრო ზოგადი კონცეფციების გამოყენება, რომელიც არის მათემატიკური სისტემა, რომელიც განმეორებით აუმჯობესებს მათ გამოცნობებს მტკიცებულებების გამოყენებით. ეს ინსტრუმენტები არის ინსტრუმენტები, რომლებიც გამოიყენება მეცნიერების დასახმარებლად იდეების გამოცდაში (რაც ასევე არის საფუძველი იმისა, რასაც ჩვენ "სტატისტიკური მნიშვნელოვნებას" ვუწოდებთ).

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

კალმანის ფილტრები ათწლეულების განმავლობაში გამოიყენება კოსმოსური თანამგზავრების ორბიტალურ სადგურებში. იმის გამო, რომ თანამედროვე მიკროკონტროლერებს შეუძლიათ ალგორითმის რეალურ დროში გაშვება, ისინი სულ უფრო პოპულარული ხდება რობოტიკაში.