Kalman-suodin
Kalman-suodin on optimaalinen rekursiivinen algoritmi, jolla estimoidaan lineaarisen dynaamisen järjestelmän piilotettua tilaa kohinaisista mittauksista. Se vuorottelee jokaisella aika-askeleella ennustusvaiheen – jossa tilaa projisoidaan eteenpäin järjestelmämallin avulla – ja päivitysvaiheen välillä, joka korjaa ennusteen uudella havainnolla tuottaen minimaalisen varianssin tilan estimaatit ja niiden epävarmuuden reaaliajassa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+40 more
Lähteet
- Kalman, R. E. (1960). A new approach to linear filtering and prediction problems. Journal of Basic Engineering, 82(1), 35-45. DOI: 10.1115/1.3662552 ↗
- Welch, G. & Bishop, G. (2006). An Introduction to the Kalman Filter. University of North Carolina at Chapel Hill, Technical Report TR 95-041. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Kalman Filter (Linear-Gaussian State-Space Filter). ScholarGate. https://scholargate.app/fi/bayesian/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.
- Bayesilainen regressioBayesilainen tilastotiede↔ compare
- Dynaaminen Bayesilainen VerkkoBayesilainen tilastotiede↔ compare
- Laajennettu Kalman-suodin (EKF)Säätöteoria↔ compare
- Partikkelisuodin (sekventiaalinen Monte Carlo)Bayesilainen tilastotiede↔ compare
- Sekventiaalinen Monte CarloBayesilainen tilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →