Informazioni sui filtri di Kalman
Scopri situazioni reali in cui è possibile utilizzare i filtri di Kalman. I filtri di Kalman sono spesso utilizzati per stimare in modo ottimale gli stati interni di un sistema in presenza di misurazioni incerte e indirette. Apprendi i principi di funzionamento dei filtri di Kalman guardando i seguenti esempi introduttivi.
Scoprirai le situazioni in cui i filtri di Kalman sono comunemente utilizzati. Quando lo stato di un sistema può essere misurato solo indirettamente, è possibile utilizzare un filtro di Kalman per stimare in modo ottimale gli stati di tale sistema. Quando sono disponibili misure provenienti da diversi sensori ma soggette a rumore, è possibile utilizzare un filtro di Kalman per combinare i dati sensoriali provenienti da varie fonti (noto come fusione sensoriale) al fine di ottenere la migliore stima del parametro di interesse
Imparerai anche gli osservatori di stato attraverso alcuni esempi che includono semplici calcoli matematici. Questo ti aiuterà a comprendere cos'è un filtro di Kalman e come funziona. A un livello elevato, i filtri di Kalman sono un tipo di stimatore ottimale dello stato. I video includono anche una discussione sugli stimatori di stato non lineari, come i filtri di Kalman estesi e unscented.
Infine, un esempio dimostra come gli stati di un sistema lineare possano essere stimati utilizzando filtri di Kalman, MATLAB® e Simulink®.
Comprendere i filtri di Kalman, parte 1: Perché utilizzare i filtri di Kalman?
Scopri gli usi comuni dei filtri di Kalman esaminando alcuni esempi. Un filtro di Kalman è un algoritmo di stima ottimale che viene utilizzato per stimare gli stati di un sistema sulla base di misurazioni indirette e incerte.
Comprendere i filtri di Kalman, parte 2: Osservatori di stato
Scopri come funzionano gli osservatori di stato e approfondisci la matematica che li descrive. Gli osservatori di stato servono per stimare gli stati interni di un sistema quando questi non possono essere misurati direttamente.
Comprendere i filtri di Kalman, parte 3: Stimatore di stato ottimale
Impara come funzionano i filtri di Kalman. I filtri di Kalman combinano due fonti di informazione, gli stati previsti dal modello e le misure affette da rumore, per ottenere stime degli stati ottimali e non distorte.
Un algoritmo di stima dello stato ottimale | Comprendere i filtri di Kalman, parte 4
Scopri l'insieme di equazioni necessarie per implementare l'algoritmo del filtro di Kalman.
Stimatori di stato non lineari | Comprendere i filtri di Kalman, parte 5
Questo video spiega i concetti di base alla base degli stimatori di stato non lineari, inclusi i filtri di Kalman estesi, i filtri di Kalman unscented e i filtri a particelle.
Come utilizzare un filtro di Kalman in Simulink | Comprendere i filtri di Kalman, parte 6
Stima la posizione angolare di un sistema a pendolo semplice utilizzando un filtro di Kalman in Simulink. Imparerai come configurare i parametri del blocco filtro di Kalman, come il modello del sistema, le stime iniziali dello stato e le caratteristiche del rumore.
Come utilizzare un filtro di Kalman esteso in Simulink | Comprendere i filtri di Kalman, parte 7
Stima la posizione angolare di un sistema di pendolo non lineare utilizzando un filtro di Kalman esteso. Imparerai come specificare i parametri del blocco Extended Kalman Filter, quali le funzioni di transizione dello stato e di misura e come generare codice C/C++.
