Kalman Filter
Kalman filter เป็นอัลกอริทึมแบบเวียนเกิด (recursive algorithm) ที่เหมาะสมที่สุดสำหรับการประมาณค่าสถานะที่ซ่อนอยู่ (hidden state) ของระบบพลวัตเชิงเส้น (linear dynamical system) จากการวัดที่มีสัญญาณรบกวน (noisy measurements) ในแต่ละขั้นเวลา (time step) จะสลับระหว่างขั้นการทำนาย — การคาดการณ์สถานะไปข้างหน้าโดยใช้แบบจำลองระบบ — และขั้นการปรับปรุงที่แก้ไขการคาดการณ์ด้วยการสังเกตการณ์ใหม่ ทำให้ได้ค่าประมาณสถานะที่มีความแปรปรวนน้อยที่สุด (minimum-variance state estimates) และความไม่แน่นอน (uncertainty) ของค่าประมาณนั้นแบบเรียลไทม์
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+40 more
แหล่งอ้างอิง
- Kalman, R. E. (1960). A new approach to linear filtering and prediction problems. Journal of Basic Engineering, 82(1), 35-45. DOI: 10.1115/1.3662552 ↗
- Welch, G. & Bishop, G. (2006). An Introduction to the Kalman Filter. University of North Carolina at Chapel Hill, Technical Report TR 95-041. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Kalman Filter (Linear-Gaussian State-Space Filter). ScholarGate. https://scholargate.app/th/bayesian/kalman-filter
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- การถดถอยแบบเบย์ (Bayesian Regression)เบย์↔ compare
- เครือข่ายเบย์เซียนพลวัตเบย์↔ compare
- ตัวกรองคาลมานแบบขยายทฤษฎีการควบคุม↔ compare
- Particle Filter (Sequential Monte Carlo)เบย์↔ compare
- Sequential Monte Carloเบย์↔ compare