ScholarGate
Asistents
Machine learningNonlinear Estimation

Pagarinātais Kalmana filtrs

Pagarinātais Kalmana filtrs (EKF) ir Kalmana filtra nelineārā vispārināšana, kas paplašina lineāro stāvokļa novērtēšanas algoritmu nelineārām sistēmām, izmantojot lokālu linearizāciju. EKF, ko 1960. gadu sākumā izstrādāja Bucy, ir kļuvis par galveno stāvokļa novērtēšanas rīku nelineārās sistēmās robotikā, aviācijā un navigācijā, nodrošinot reāllaika apstrādi trokšņainiem mērījumiem no nelineāriem sensoriem un dinamikas.

Atvērt MethodMindDrīzumāVideoDrīzumāLejupielādēt slaidus

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Metožu karte

Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.

Avoti

  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

Kā citēt šo lapu

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

Kura metode?

Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.

Salīdzināt blakus

Uz to atsaucas

ScholarGateExtended Kalman Filter (Extended Kalman Filter). Izgūts 2026-06-15 no https://scholargate.app/lv/control-theory/extended-kalman-filter · Datu kopa: https://doi.org/10.5281/zenodo.20539026