ScholarGate
Pembantu
Machine learningNonlinear Estimation

Penapis Kalman Lanjutan

Penapis Kalman Lanjutan (EKF) ialah generalisasi tak linear bagi Penapis Kalman, melanjutkan algoritma anggaran keadaan linear kepada sistem tak linear melalui pelinieran setempat. Dibangunkan oleh Bucy pada awal tahun 1960-an, EKF telah menjadi tunjang utama bagi anggaran keadaan dalam sistem tak linear merentasi robotik, aeroangkasa, dan navigasi, membolehkan pemprosesan masa nyata bagi pengukuran yang bising daripada sensor dan dinamik tak linear.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiMuat turun slaid

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Peta kaedah

Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.

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 memetik halaman ini

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

Kaedah yang mana?

Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.

Bandingkan secara bersebelahan

Dirujuk oleh

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