Machine learningNonlinear Estimation

فیلتر کالمن تعمیم‌یافته

فیلتر کالمن تعمیم‌یافته (EKF) تعمیم غیرخطی فیلتر کالمن است که الگوریتم تخمین حالت خطی را با خطی‌سازی موضعی به سیستم‌های غیرخطی گسترش می‌دهد. EKF که در اوایل دهه ۱۹۶۰ توسط باسی توسعه یافت، به ابزار اصلی تخمین حالت در سیستم‌های غیرخطی در رباتیک، هوافضا و ناوبری تبدیل شده است و پردازش بلادرنگ اندازه‌گیری‌های نویزی از حسگرها و دینامیک‌های غیرخطی را ممکن می‌سازد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Bucy, R. S. (1961). A linear approximation to the solution of nonlinear filtering equations. Technical Report No. 32-486, Jet Propulsion Laboratory. link
  2. Bar-Shalom, Y., Li, X. R., & Kirubarajan, T. (2001). Estimation with Applications to Tracking and Navigation. Wiley-Interscience. DOI: 10.1002/0471221279
  3. Welch, G., & Bishop, G. (2006). An Introduction to the Kalman Filter. UNC-CH Technical Report. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Extended Kalman Filter. ScholarGate. https://scholargate.app/fa/control-theory/extended-kalman-filter

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ارجاع‌شده در

ScholarGateExtended Kalman Filter (Extended Kalman Filter). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/control-theory/extended-kalman-filter · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026