ตัวกรองคาลมานพร้อมความคลาดเคลื่อนของการวัด
ตัวกรองคาลมานพร้อมความคลาดเคลื่อนของการวัดเป็นอัลกอริทึมปริภูมิสถานะแบบเบย์แบบเวียนเกิดที่ประมาณค่าสถานะที่ซ่อนอยู่จริงของระบบพลวัตจากข้อมูลสังเกตที่มีสัญญาณรบกวน มันแยกสัญญาณรบกวนกระบวนการ (ความไม่แน่นอนของพลวัตระบบ) ออกจากสัญญาณรบกวนการวัด (ความไม่แน่นอนของการสังเกต) อย่างชัดเจน โดยแพร่กระจายแหล่งที่มาของความคลาดเคลื่อนทั้งสองผ่านวงจรทำนาย-ปรับปรุงสองขั้นตอนเพื่อให้ได้ค่าประมาณสถานะที่กรองแล้วที่เหมาะสมที่สุดและความไม่แน่นอนที่เกี่ยวข้อง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
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 ↗
- Durbin, J. & Koopman, S. J. (2012). Time Series Analysis by State Space Methods (2nd ed.). Oxford University Press. ISBN: 978-0199641178
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Kalman Filter with Explicit Measurement Error Modeling. ScholarGate. https://scholargate.app/th/bayesian/kalman-filter-with-measurement-error
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- การอนุมานแบบเบย์เชิงพลวัตเบย์↔ เปรียบเทียบ
- Kalman Filterเบย์↔ เปรียบเทียบ
- Kalman Filter with Missing Dataเบย์↔ เปรียบเทียบ
- Particle Filter (Sequential Monte Carlo)เบย์↔ เปรียบเทียบ
- Sequential Monte Carloเบย์↔ เปรียบเทียบ