Очень интересный вопрос.
Без модели фильтр Калмана теряет часть своих магических свойств и становится g-h (или альфа-бета) фильтром.
Вопросом построения моделей динамических систем занимается идентификация систем (https://ru.wikipedia.org/wiki/Идентификация_систем). Насколько я знаю, универсальной методики построения модели для произвольного процесса не существует.
Усреднение в окне берёт все значения с одинаковым весом, а фильтр Калмана берёт самые новые значения с бОльшим весом.
Но главная разница — в том что фильтр Калмана позволяет оценивать состояние системы когда оно изменяется во времени. В примере с равноускоренным движением фильтр Калмана оценивает ускорение и «догоняет» график. При усреднении же просто накапливалось бы отставание оценки от реального значения.
Без модели фильтр Калмана теряет часть своих магических свойств и становится g-h (или альфа-бета) фильтром.
Вопросом построения моделей динамических систем занимается идентификация систем (https://ru.wikipedia.org/wiki/Идентификация_систем). Насколько я знаю, универсальной методики построения модели для произвольного процесса не существует.
Но главная разница — в том что фильтр Калмана позволяет оценивать состояние системы когда оно изменяется во времени. В примере с равноускоренным движением фильтр Калмана оценивает ускорение и «догоняет» график. При усреднении же просто накапливалось бы отставание оценки от реального значения.