Como entender o ganho de Kalman intuitivamente?

30

O algoritmo de filtro Kalman funciona da seguinte maneira

Inicializar x 0 | 0 e P 0 | 0 .x^0 0|0 0P0 0|0 0

Em cada iteraçãok=1,...,n

Prever

Previsto (a priori) estado estimativa x k | k - 1 = F k x k - 1 | k - 1 + B k u k Estimativa (a priori) de covariância estimada P k | k - 1 = F k P k - 1 | k - 1 F T k + Q k Atualização

x^k|k-1=Fkx^k-1|k-1+Bkvocêk
Pk|k-1=FkPk-1|k-1FkT+Qk

Inovação ou medição residual Inovação (ou residual) covariância Ganho ideal de Kalman Estimativa do estado atualizada (a posteriori) Atualizado (a posteriori) estimativa de covariância Sk=HkPk| k-1H T k +Rk

y~k=zk-Hkx^k|k-1
Sk=HkPk|k-1HkT+Rk
x k | k = x k | k - 1 + K k ˜ y k P k | k =(I- K k H k ) P k | k - 1
Kk=Pk|k-1HkTSk-1
x^k|k=x^k|k-1+Kky~k
Pk|k=(Eu-KkHk)Pk|k-1

O ganho de Kalman representa a importância relativa do erro com relação à estimativa anterior .~ y k x k | k - 1Kky~kx^k|k-1

Gostaria de saber como entender a fórmula para o ganho Kalman intuitivamente ? Considere o caso de os estados e saídas serem escalares, por que o ganho é maior, quandoKk

  • Pk|k-1 é maior

  • Hk é maior

  • Sk é menor?

Obrigado e cumprimentos!

Tim
fonte
Esta é uma pergunta difícil de responder corretamente. Eu tentei, mas não convencido com a minha própria resposta. Basicamente, o ganho controla o quanto você confia nas medições sobre a estimativa, mas não posso explicar como esse ganho é conformado.
Jav_Rock

Respostas:

18

KK

 Kk=Pk-HkT(HkPk-HkT+Rk)-1=Pk-HkTHkPk-HkT+Rk

RkPkxkk

 limRk0 0Pk-HkT HkPk-HkT+Rk =Hk-1

 limPk0 0Pk-HkT HkPk-HkT+Rk =0 0

Substituindo o primeiro limite na equação de atualização da medição

 x^k=xk-+Kk(y~k-Hkxk-)

R

HPHTRxk

Jav_Rock
fonte
2
KkHk
12

O ganho de Kalman diz quanto eu quero alterar minha estimativa, dada uma medida.

SkzkSk

PkxkPk

PkPk0 0K0 0

ssk08
fonte
2

Kk

 Kk=Pk-HkT(HkPk-HkT+Rk)-1=Hk-HkPk-HkTHkPk-HkT+Rk

Rk

Hk-

Kk

 x^k=xk-+Kk(y~k-Hkxk-)

Zichao Zhang
fonte
-1

Estou trabalhando no algoritmo Kalman Filter (KF). Observei que o ganho de kalman lida com a convergência do algoritmo com o tempo, ou seja, com a rapidez com que o algoritmo corrige e minimiza o residual.

Chegando à equação, escolha um valor de ganho kalman inicial e varie de baixo para alto, o que pode lhe proporcionar um valor aproximado.

Harsha
fonte