Property Value
dbo:abstract
  • A Kálmán-szűrő egy algoritmus, mely mozgó, változó rendszerek állapotáról ad optimális becslést sorozatos mérésekkel, figyelembe véve az állapotméréseket és a zavaró tényezőket (zajok, bizonytalanságok, pontatlanságok). Ezzel az algoritmussal jóval pontosabb információ kapható a vizsgált tárgyról, mintha csak egy mérést végeznének el. Más szóval a Kálmán-szűrő a zajos bemenő adatok rekurzív mérésével egy optimális becslést ad a mérés tárgyának állapotáról. A Kálmán-szűrőt Rudolf E. Kálmán (1930–2016) magyar származású amerikai villamosmérnökről nevezték el. Kálmán Rudolf szülei 1943-ban emigráltak Magyarországról az Amerikai Egyesült Államokba. A Kálmán-szűrőnek számos felhasználási területe van, általánosan használják navigációs, irányításvezérléseknél, különösen repülőgépeknél, űrhajóknál, robotrepülőgépeknél. A Kálmán-szűrőt széles körben alkalmazzák jelfeldolgozó rendszerekben és az ökonometria területén. Az algoritmus két lépésben működik. Az első becslési lépésben a Kálmán–szűrő kiszámolja az aktuális állapotváltozókat, a bizonytalanságokkal együtt. A következő mérés eredményeit súlyozott átlagolással veszi figyelembe. A sorozatos valós idejű mérések során az átlagolás eredményeként egyre jobb értékek adódnak, ahol a zajok és egyéb zavaró tényezők kiesnek. Az algoritmus rekurzív jellegű, csak az aktuális kalkulált állapotot, és az aktuális mérési eredményeket veszi figyelembe, korábban mért adatokat nem használ fel. Elméletileg, a Kálmán-szűrő alapfeltevése az, hogy a vizsgált rendszer egy lineáris dinamikus rendszer, és minden hibafüggvénynek és -mérésnek is normális eloszlása van (gyakran többváltozós a normális eloszlás). A Kálmán-szűrőnek számos kiterjesztése és általánosítása létezik, ilyenek például a bővített Kálmán-szűrő, vagy a nemlineáris rendszerekre kiterjesztett változat. Az alapul szolgáló modell a Bayes-féle modell. (hu)
  • A Kálmán-szűrő egy algoritmus, mely mozgó, változó rendszerek állapotáról ad optimális becslést sorozatos mérésekkel, figyelembe véve az állapotméréseket és a zavaró tényezőket (zajok, bizonytalanságok, pontatlanságok). Ezzel az algoritmussal jóval pontosabb információ kapható a vizsgált tárgyról, mintha csak egy mérést végeznének el. Más szóval a Kálmán-szűrő a zajos bemenő adatok rekurzív mérésével egy optimális becslést ad a mérés tárgyának állapotáról. A Kálmán-szűrőt Rudolf E. Kálmán (1930–2016) magyar származású amerikai villamosmérnökről nevezték el. Kálmán Rudolf szülei 1943-ban emigráltak Magyarországról az Amerikai Egyesült Államokba. A Kálmán-szűrőnek számos felhasználási területe van, általánosan használják navigációs, irányításvezérléseknél, különösen repülőgépeknél, űrhajóknál, robotrepülőgépeknél. A Kálmán-szűrőt széles körben alkalmazzák jelfeldolgozó rendszerekben és az ökonometria területén. Az algoritmus két lépésben működik. Az első becslési lépésben a Kálmán–szűrő kiszámolja az aktuális állapotváltozókat, a bizonytalanságokkal együtt. A következő mérés eredményeit súlyozott átlagolással veszi figyelembe. A sorozatos valós idejű mérések során az átlagolás eredményeként egyre jobb értékek adódnak, ahol a zajok és egyéb zavaró tényezők kiesnek. Az algoritmus rekurzív jellegű, csak az aktuális kalkulált állapotot, és az aktuális mérési eredményeket veszi figyelembe, korábban mért adatokat nem használ fel. Elméletileg, a Kálmán-szűrő alapfeltevése az, hogy a vizsgált rendszer egy lineáris dinamikus rendszer, és minden hibafüggvénynek és -mérésnek is normális eloszlása van (gyakran többváltozós a normális eloszlás). A Kálmán-szűrőnek számos kiterjesztése és általánosítása létezik, ilyenek például a bővített Kálmán-szűrő, vagy a nemlineáris rendszerekre kiterjesztett változat. Az alapul szolgáló modell a Bayes-féle modell. (hu)
dbo:wikiPageExternalLink
dbo:wikiPageID
  • 993616 (xsd:integer)
dbo:wikiPageLength
  • 8388 (xsd:nonNegativeInteger)
dbo:wikiPageRevisionID
  • 22074289 (xsd:integer)
prop-hu:wikiPageUsesTemplate
dct:subject
rdfs:label
  • Kálmán-szűrő (hu)
  • Kálmán-szűrő (hu)
owl:sameAs
prov:wasDerivedFrom
foaf:isPrimaryTopicOf
is foaf:primaryTopic of