ScholarGate
Assistent
Machine learningNonlinear Estimation

Utökad Kalmanfilter

Det utökade Kalmanfiltret (EKF) är den icke-linjära generaliseringen av Kalmanfiltret, som utökar den linjära tillståndsestimationsalgoritmen till icke-linjära system genom lokal linjärisering. EKF utvecklades av Bucy i början av 1960-talet och har blivit standardmetoden för tillståndsestimering i icke-linjära system inom robotik, flyg- och rymdteknik samt navigering. Det möjliggör realtidsbehandling av brusiga mätningar från icke-linjära sensorer och dynamik.

Öppna i MethodMindSnartVideoSnartLadda ner bildspel

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Metodkarta

Närområdet av besläktade metoder — välj en nod för att utforska.

Källor

  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

Så citerar du den här sidan

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

Vilken metod?

Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.

Jämför sida vid sida

Refereras av

ScholarGateExtended Kalman Filter (Extended Kalman Filter). Hämtad 2026-06-15 från https://scholargate.app/sv/control-theory/extended-kalman-filter · Datamängd: https://doi.org/10.5281/zenodo.20539026