Comments 12
К таким статьям было бы неплохо добавлять реальное применение алгоритмов. А то может оно мне это надо, а я и не знаю об этом.
Одно из возможных применений — Избыточные измерительные блоки.
Конкретно UKF может применяться там где модель нелинейна. Этот алгоритм может сочетать в себе линейную модель измерений и нелинейную. К примеру, в экспертных системах высокого уровня часто применяются модели на «нечеткой логике» и разрывные функции (если х > 0, то считать так-то, а если x < 0, то по-другому выражению; и тому подобные модели, которые не являются дифференцируемыми). В таких случаях разбивают задачу на уровни. Измерения от самих датчиков обрабатывают традиционна численными методами, включая классический ФК, а решения принимаются на верху уже совсем другими алгоритмами. UKF же позволяет соединить линейные и нелинейные модели в одном фильтре (в одной сущности).
Конкретно UKF может применяться там где модель нелинейна. Этот алгоритм может сочетать в себе линейную модель измерений и нелинейную. К примеру, в экспертных системах высокого уровня часто применяются модели на «нечеткой логике» и разрывные функции (если х > 0, то считать так-то, а если x < 0, то по-другому выражению; и тому подобные модели, которые не являются дифференцируемыми). В таких случаях разбивают задачу на уровни. Измерения от самих датчиков обрабатывают традиционна численными методами, включая классический ФК, а решения принимаются на верху уже совсем другими алгоритмами. UKF же позволяет соединить линейные и нелинейные модели в одном фильтре (в одной сущности).
diydrones.com/profiles/blogs/705844:BlogPost:49864 — применение в квадрокоптерах.
Да и везде, где есть цифровые гироскопы и акселерометры — «шумят» они очень сильно
Да и везде, где есть цифровые гироскопы и акселерометры — «шумят» они очень сильно
Необязательно гироскопы и акселерометры. Любые измерения, многомерные и одномерные, особенно сильно зашумленные, могут быть приложением для ФК. От средств контроля за техпроцессом до социологических и экономических проблем.
Да это не вызов, я просто хочу понять как использовать фильтр. На грубом примере.
Что дано и что нужно найти? Поставьте задачу — попробую сделать набросок.
Лучше задать вопрос несколько иначе:
1) Запишите набор параметров, которые достаточны для описания соц. системы.
2) Запишите модель, по которой происходит эволюция этих параметров.
3) Запишите модель ваших наблюдений, хоть как-то связанных с этой соц. системой.
От того, как вы ответите на 1, 2, 3, будет зависеть, каким инструментом можно будет воспользоваться для ответа на вопрос: а в каком состоянии у меня система сейчас.
Предвосхищая протест: Если вы социолог, то это ваша прямая функция — переложить задачу с предметного языка, понятного только вам, на язык математики.
1) Запишите набор параметров, которые достаточны для описания соц. системы.
2) Запишите модель, по которой происходит эволюция этих параметров.
3) Запишите модель ваших наблюдений, хоть как-то связанных с этой соц. системой.
От того, как вы ответите на 1, 2, 3, будет зависеть, каким инструментом можно будет воспользоваться для ответа на вопрос: а в каком состоянии у меня система сейчас.
Предвосхищая протест: Если вы социолог, то это ваша прямая функция — переложить задачу с предметного языка, понятного только вам, на язык математики.
«Непонятно откуда взяты «yn» без крыжки»
Судя по контексту — это реальные произведенные измерения.
Судя по контексту — это реальные произведенные измерения.
Думаю, да. Вопрос в том, почему между реальным измерением (наблюдением) и полученным как аппроксимация функции распределения можно вычислять разность. Единственное, что приходит в голову — Шаг 1 (вычисление статистических параметров) нужно вычислять в режиме реального времени (наподобие плавающего среднего). Но я пока не нашел разъяснений по этому поводу — каким должен быть размер плавающей выборки (на сколько шагов назад смотреть). Должна быть зависимость от ширины полосы пропускания измерительной системы.
Sign up to leave a comment.
Без запаха фильтрации и нелинейного оценивания*