Коли фільтр Кальмана дасть кращі результати, ніж звичайна ковзаюча середня?


14

Нещодавно я здійснив фільтр Кальмана на простому прикладі вимірювання положення частинок з випадковою швидкістю та прискоренням. Я виявив, що фільтр Кальмана працює добре, але потім я запитав себе, в чому різниця між цим та просто ковзним середнім показником? Я виявив, що якщо я використовував вікно з приблизно 10 зразками, те, що ковзаюча середня перевершує фільтр Калмана, і я намагаюся знайти приклад, коли використання фільтра Кальмана має перевагу перед використанням лише ковзної середньої.

Я відчуваю, що ковзний середній показник набагато інтуїтивніший, ніж фільтр Кальмана, і ви можете сліпо застосувати його до сигналу, не турбуючись про механізм простору стану. Я відчуваю, що пропускаю тут щось принципове, і буду вдячний за будь-яку допомогу, яку хтось міг би запропонувати.



Я бачив цю публікацію, але моє запитання запитує приклад того, коли фільтр Калмана дасть мені кращі результати, ніж середня середня.
dvreed77

Якщо у вашій програмі достатня ковзаюча середня величина, тоді використовуйте її, вам не потрібен фільтр Kalman (KF). За певних припущень, КФ забезпечує найкращу можливу оцінку. Або ці припущення не містять у вашій заявці, або слід перевірити реалізацію KF.
Алі

Що це за припущення? Гауссовий шум? Якщо так, то до цього додається моє моделювання. Мій код - це дещо змінена версія коду, надана мені з класу обробки сигналів, і я перевірив його щодо кількох інших джерел, і мої рівняння оновлення та прогнозування повинні бути правильними. Мені цікаво, чи є причина, коли ковзаюча середня ефективність краще в тому, що вона використовує останні 10 зразків, а не лише останній зразок, який використовує КФ. Хоча я думаю, що ковариація помилок стає все більш жорсткою з кожним додатковим зразком, і тому я плутаюсь з тим, як МА працює краще.
dvreed77

і якщо це має значення, коли я кажу про зовнішню ефективність, я маю на увазі, що MSE менший за допомогою ковзної середньої.
dvreed77

Відповіді:


4

Оцінка, дана ковзною середньою, буде відставати від справжнього стану.

Скажімо, ви хочете виміряти висоту площини, що піднімається з постійною швидкістю, і у вас є шумні (гауссові) вимірювання висоти. Середня величина за часовий інтервал вимірювань висоти галасливих висот, ймовірно, дасть вам хорошу оцінку того, де знаходилася площина в середині цього часового інтервалу .

Якщо ви використовуєте більший часовий інтервал для своєї ковзної середньої, середня буде більш точною, але вона оцінить висоту літака в більш ранній час. Якщо ви використовуєте менший часовий інтервал для своєї ковзної середньої, середня буде менш точною, але вона буде оцінювати висоту літака на більш пізній час.

Зважаючи на це, відставання ковзної середньої може не створювати проблем у деяких програмах.

редагувати: ця публікація задає те саме питання і має більше відповідей та ресурсів


2

Я виявив, що за допомогою оригінальних параметрів, які я використовував для встановлення проблеми, ковзна середня ефективність, але коли я почав грати з параметрами, які визначали мою динамічну модель, я виявив, що фільтр Kalman працює набагато краще. Тепер, коли у мене є щось налаштування, щоб побачити ефекти, які грають параметри, я думаю, я отримаю кращу інтуїцію щодо того, що саме відбувається. Дякую тим, хто відповів і вибачте, якщо моє запитання було / є невиразним.


1
Можливо, буде корисно для інших, хто займається питанням, якщо ви поставите у відповідь відтворюваний код іграшки, щоб дозволити їм "бачити це в дії". Особисто мої відповіді, які інші оцінили найбільш високо, мають тенденцію до відтворення вмісту.
EngrStudent
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.