Страница 1 из 2 Методы, основанные на использовании фильтров Калмана и их модификаций, применяются в самых различных приложениях. Одним из "классических" приложений является слежение за самолетами и ракетами с помощью радаров. К такому же типу относятся приложения, в которых осуществляется слежение за подводными лодками и наземными транспортными средствами по звуку, а также визуальное слежение за транспортными средствами и людьми. К немного более узким областям применения относится использование фильтров Калмана для реконструкции траектории частиц по фотографиям, сделанным в пузырьковой камере, и океанских течений по данным измерений, выполненных на поверхности океана со спутников. Но спектр таких приложений далеко выходит за пределы простого отслеживания движений — к ним относится любая система, характеризующаяся непрерывными переменными состояния и зашумленными результатами измерений. К числу подобных систем относятся целлюлозные фабрики, химические установки, ядерные реакторы, экосистемы растений и национальные экономики. Тот факт, что калмановская фильтрация может применяться к некоторой системе, не означает, что результаты этого будут действительными или полезными, поскольку используемые при этом допущения (о том, что модели перехода и модели восприятия относятся к типу линейных гауссовых) являются очень строгими. В расширенном фильтре Калмана (Extended Kalman Filter — EKF) предпринимается попытка преодолеть нелинейности моделируемой системы. Система является нелинейной, если ее модель перехода нельзя описать с помощью матричного умножения векторов состояния, как в уравнении 15.19. Фильтр EKF действует посредством моделирования системы как локально линейной в области т.е. в той области, где переменные равны среднему текущего распределения вероятностей состояний. Этот фильтр хорошо действует применительно к гладким системам с устойчивым поведением и позволяет программе слежения сопровождать и обновлять гауссово распределение вероятностей состояния, которое является приемлемой аппроксимацией истинной апостериорной вероятности.
<< В начало < Предыдущая 1 2 Следующая > В конец >> |