ЦОС Python #5: Фильтр Калмана дискретного времени
Vložit
- čas přidán 13. 09. 2024
- Как работает фильтр Калмана в дискретном времени и что он из себя представляет. Рекуррентная форма фильтра Калмана, оценка качества его работы (дисперсия ошибки оценивания).
Инфо-сайт: proproprogs.ru
![Уравнение, которое меняет взгляд на мир [Veritasium]](http://i.ytimg.com/vi/DH1cv0Rdf2w/mqdefault.jpg)
Огромное спасибо! Этот фильтр используется для отслеживания объектов в компьютерном зрении, наконец понял как оно работает =)
Все четко и понятно.
Спасибо.
Спасибо большое, удачи в будущем!
Благодарю за очень понятное объяснение, подписываюсь на канал)
Прекрасный материал. Спасибо Вам!
Спасибо Вам за отличный материал!
Понимаю, что это в физическом смысле и для чего (например - радар с несколькими рабочими частотами), но с математикой пока не везде справляюсь... надо ещё раз пересмотреть, наверное 🤔
Идеальное объяснение
Отличное объяснение! Наглядно и понятно, прям +100500 к карме за это) Единственное, как мне показалось, не совсем верно утверждение, что если сумма а1 и а2 больше 1, то смещение будет вверх, а если меньше, то вниз. Если расписать ошибку, то там получится слагаемое x(1-(a1+a2)), а значит при сумме больше 1 мы получим отрицательное смещение, и наоборот.
Спасибо! Оценка формируется как x = a1*z1+a2*z2, поэтому при a1+a2 > 1 смещение вверх, и наоборот.
Спасибо, помогло!
😎
Вот это прям, норм было!
Спасибо за видео. Но не понятно откуда брать сигму? У нас же нет понимания, что в значении которое пришло с глонасса 20% - шум (прим: пришло 5, фактическое значение 3, 2 - шум). Откуда брать сигму?
либо тестами (заранее), либо из документации, там это приведено
Идеальное объяснение! Я правильно понимаю, этот фильтр относится к БИХ фильтрам?
совершенно верно!
@@selfedu_rus Спасибо за отличный материал, жаль что не во всех видео есть код, а также очень жаль, что по ЦОС'у всего 10 выпусков((((, снимайте ещё пожалуйста, там же столько интересного.
👍👍👍👍👍
Спасибо
Благодарю за ясное объяснения и просьба укажите некоторые Понятные книги или статьи по этой теме, может и на английском,заранее спасибо!
Я это все изучал в начале 2000-х В частности, по фильтру Калмана нам лекции читал мой научный руководитель, от него и материал, т.е. авторский, в книгах такого не видел.
Сначала не понял, а потом как понял...
Даёте ли вы частные уроки?
Нет, мне в универе хватает занятий ))
не совсем понятно - утверждается , что первое наблюдение имеет больший вес, а на весах второе наблюдение перевешивает
рисунок - просто иллюстрация принципа построения оценки, к примеру прямого отношения не имеет
Начиная с 8:00 вместо матожидания как будто бы считают ковариацию
эти формулы тысячу раз проверены и реализованы - не сомневайтесь! )
у меня крыша поехала почти, надеюсь это связано только с 3ч сном
5+
Может не новые наблюдения, а новые источники одной и той же информации?
в каком месте это?
@@selfedu_rus 15:20 или под наблюдением понимается получение информации из нового источника?
@@Hodakovi это именно наблюдение с одного из двух источников, т.к. источники постоянно их генерируют и мы последовательно принимаем z1, z2, z3, z4, ... или с GPS или с ГЛОНАСС (в уроке). Фильтру Калмана без разницы откуда оно пришло, главное знать сигму шума в наблюдении и все.
@@selfedu_rus То есть по сути в следующий цикл фильтра мы можем взять очередное значение той же случайной величины с которой было взято первое значение?
@@Hodakovi да, только следующее наблюдение должно быть именно следующим, а не тем же самым, т.е. шумовая составляющая должна меняться и это будет улучшать оценку
С 12 минуты не потянул :((
усложнили итак не понятную хрень. к фильтру калмана оно имеет не много общего и будет не понятно, когда люди увидят настоящую формулу
Спасибо