Алгоритм синтезу датчика

Фільтр Калмана

Фільтр Калмана є типовим.

Ядром алгоритму є встановлення набору факторів "віри" для кожного датчика. У кожну мить дані датчика з останнього моменту будуть використані для статистики для покращення здогадки (самостійного додавання), а також якість датчика буде оцінена. У порівнянні між передбачуваним значенням та вимірюваним значенням датчика буде оцінено відмінне значення та вихід.

Це означає, що якщо датчик завжди дає корисну та послідовну цінність і почне говорити вам щось малоймовірне, рівень достовірності датчика зменшиться в декількох мілісекундах, поки він не почне знову мати сенс.

Це краще, ніж просте усереднення чи голосування, оскільки фільтр Калмана може вирішити ситуацію, що більшість датчиків тимчасово не в порядку. Поки можна зберегти вагомі причини, це може зробити робота через темний момент.

Фільтр Калмана - це застосування більш загальних концепцій ланцюга Маркова та байєсівських міркувань, що є математичною системою, яка ітеративно покращує їх здогадки, використовуючи докази. Ці інструменти - це інструменти, що використовуються для допомоги самі науці тестувати ідеї (які також є основою того, що ми називаємо "статистичною значимістю").

Тому поетично можна сказати, що деякі системи синтезу датчиків висловлюють суть науки зі швидкістю 1000 разів за секунду.

Фільтри Kalman протягом десятиліть використовуються в орбітальних станціях космічних супутників. Оскільки сучасні мікроконтролери можуть запускати алгоритм у режимі реального часу, вони стають все більш популярними в робототехніці.