ScholarGate
Asisten
Machine learningNonlinear Estimation

Filter Kalman Diperluas

Filter Kalman Diperluas (EKF) adalah generalisasi nonlinear dari Filter Kalman, memperluas algoritma estimasi keadaan linier ke sistem nonlinear melalui linearisasi lokal. Dikembangkan oleh Bucy pada awal 1960-an, EKF telah menjadi tulang punggung estimasi keadaan dalam sistem nonlinear di bidang robotika, kedirgantaraan, dan navigasi, memungkinkan pemrosesan waktu-nyata dari pengukuran berisik dari sensor dan dinamika nonlinear.

Buka di MethodMindSegeraVideoSegeraUnduh salindia

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  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

Cara menyitasi halaman ini

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

Metode yang mana?

Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.

Bandingkan berdampingan

Dirujuk oleh

ScholarGateExtended Kalman Filter (Extended Kalman Filter). Diakses 2026-06-15 dari https://scholargate.app/id/control-theory/extended-kalman-filter · Set data: https://doi.org/10.5281/zenodo.20539026