칼만 필터: 두 판 사이의 차이
내용 삭제됨 내용 추가됨
잔글 →칼만 필터의 구조 |
|||
28번째 줄:
== 칼만 필터의 구조 ==
칼만 필터는 재귀적으로 동작한다. 즉, 칼만 필터는 바로 이전 시간에 추정한 값을 토대로 해서 현재의 값을 추정하며,
각 추정 계산은 두 단계로
각 시간의 추정 상태는 평균과 분산의 두 개의 변수로 표현된다. 정확하게는,
50번째 줄:
보정 단계에서는 앞단계의 예측 값과 실제 측정값간의 오차를 이용해, 이전에 얻은 값을 귀납적으로 수정한다.
* 예측 단계와 실제 측정간의
* 잔차의 공분산: <math>\textbf{S}_k = \textbf{H}_k \textbf{P}_{k|k-1} \textbf{H}_k^\text{T} + \textbf{R}_k </math>
* 최적 '''칼만 이득'''(Kalman gain): <math>\textbf{K}_k = \textbf{P}_{k|k-1}\textbf{H}_k^\text{T}\textbf{S}_k^{-1}</math>
* 귀납적 상태 보정: <math>\hat{\textbf{x}}_{k|k} = \hat{\textbf{x}}_{k|k-1} + \textbf{K}_k\tilde{\textbf{y}}_k</math>
* 귀납적 상태 공분산 보정: <math>\textbf{P}_{k|k} = (I - \textbf{K}_k \textbf{H}_k) \textbf{P}_{k|k-1}</math>
=== 불변량 ===
61번째 줄:
* <math>\textrm{E}[\tilde{\textbf{y}}_k] = 0</math>
여기서 <math>\textrm{E}[\xi]</math>은 <math>\xi</math>의 기대값이고, 공분산
* <math>\textbf{P}_{k|k} = \textrm{cov}(\textbf{x}_k - \hat{\textbf{x}}_{k|k})</math>
* <math>\textbf{P}_{k|k-1} = \textrm{cov}(\textbf{x}_k - \hat{\textbf{x}}_{k|k-1})</math>
|