Kalman-Filter Flashcards
1
Q
Arte von recursiven Filtern
A
- Durchschnitt filter: Wenn es zu schwierig ist, alle die Nummer gleichzeitig zu berechnen. Man muss nur die Parameter alfa wieder berechnen und die neue Werte hinzufügen.
- Tiefpass Filter: alfa ist eine Konstante und man kann das Wert anpassen, um die Geschwindigkeit zu oder abzunehmen. Hochfrequenze sind entfernt und die Signal wird sauberer.
- Kalman Filter: Alfa Konstante ist ähnlich als die Kalman Verstärkungsmatrix.
2
Q
Wann kann man die Kalman Filter verwenden?
A
- Fehlerbehafteten / Rauschen Beobachtungen.
- Keine Möglichkeit von 1 genaue Sensordaten (z.B. Rakette Temperatur).
- Viele ungenaue Sensordaten.
3
Q
Was ist ein Beobachter?
A
- Ein matematisches Modell plus ein reales System. Das Ziel ist zu schätzen die Zustände den gewälten Parameter.
- Mit den Fehler kann man die Konvergenz-Geschwindigkeit anpassen.
- Normalerweise ist ein Beobachter für deterministische Systeme geeignet. Ein Kalman Filter ist ein Art von Beobachter, der für stochastische Systeme verwendet würde.
4
Q
Wie funktioniert der Kalman Filter?
A
2 Schritte Prozess:
1. Prädiktion (Matrix A - state transition matrix und Matrix Q - Prozessrauschen werden verwendet)
2. Korrektur (Matrix H: Beobachtungsmatrix und Matrix R - Messrauschen)
5
Q
Bestandteile Kalman-Filters
A
zk: Beobachtungen von Sensoren
xk: Systemzustände, die unterschiedlich als die Beobachtungen sein können
6
Q
Warum ist die Zustandsraumdarstellung güngstig?
A
- Man kann eine Differenzialgleichung n-ter Ordnung als ein System von n 1. Ordnung Differenzialgleichungen ausdrucken.
- Einfaches Verhältnis zwischen System Zustände und Eingaben mit unabhängigen Matrizen.
7
Q
Aus welchen Bestandteile besteht die Zustandsraumdarstellung?
A
- Zustandsvektor x.
- Ausgangsvektor y.
- Systemsmatrix A, Eingangsmatrix B, Ausgangsmatrix C und Durchgangsmatrix D.
8
Q
Was sind die Systemszustände?
A
- Kleineste Gruppe von Variablen, die ein System komplett-beschreiben können.
- Wie viele Anfangsbedingungen muss das System haben?
