Nestlais Kalmana filtrs (UKF)
Nestlais Kalmana filtrs (UKF) ir nelineārs stāvokļa novērtēšanas algoritms, kas tuvojas nelineārām sistēmām, neprasot eksplicītu Jakobiana aprēķināšanu. 1997. gadā ieviestais UKF izmanto nestais transformējums—determinēta metode vidējās vērtības un kovariācijas statistikas tveršanai, izmantojot rūpīgi izvēlētu paraugu punktu kopumu (sigma punktus)—padarot to precīzāku nekā paplašinātais Kalmana filtrs (EKF) ļoti nelineārām sistēmām, vienlaikus izvairoties no atvasinājumu aprēķināšanas aprēķina sloga.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Julier, S. J., & Uhlmann, J. K. (1997). A new method for the nonlinear transformation of means and covariances in filters and estimators. IEEE Transactions on Automatic Control, 45(3), 477-482. link ↗
- Wan, E. A., & Van Der Merwe, R. (2000). The unscented Kalman filter for nonlinear estimation. Proceedings of the IEEE 2000 Adaptive Systems for Signal Processing, 153-158. link ↗
- Sarkka, S. (2013). Bayesian Filtering and Smoothing. Cambridge University Press. DOI: 10.1017/CBO9781139344203 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Unscented Kalman Filter. ScholarGate. https://scholargate.app/lv/control-theory/unscented-kalman-filter
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Pagarinātais Kalmana filtrsVadības teorija↔ salīdzināt
- Lineārais Kvadrātisko Gausa (LQG)Vadības teorija↔ salīdzināt
Uz to atsaucas
Similar methods
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →