পরিসংখ্যান এবং নিয়ন্ত্রণ তত্ত্বে, কালম্যান ফিল্টারিং, যা রৈখিক চতুর্মুখী অনুমান নামেও পরিচিত, এটি একটি অ্যালগরিদম যা পরিসংখ্যানগত গোলমাল সহ সময়ের সাথে পরিমাপের একটি সিরিজ ব্যবহার করে এবং …
কালমান ফিল্টার কি করে?
কালমান ফিল্টারগুলি ব্যবহার করা হয় আগ্রহের ভেরিয়েবলগুলিকে সর্বোত্তমভাবে অনুমান করার জন্য যখন সেগুলি সরাসরি পরিমাপ করা যায় না, তবে একটি পরোক্ষ পরিমাপ উপলব্ধ। এগুলি গোলমালের উপস্থিতিতে বিভিন্ন সেন্সর থেকে পরিমাপ একত্রিত করে রাজ্যের সর্বোত্তম অনুমান খুঁজে পেতেও ব্যবহৃত হয়৷
কালমান ফিল্টার কেন ভালো?
কালমান ফিল্টারগুলি এমন সিস্টেমের জন্য আদর্শ যা ক্রমাগত পরিবর্তনশীল। তাদের সুবিধা রয়েছে যে তারা মেমরিতে হালকা (তাদের আগের অবস্থা ছাড়া অন্য কোনো ইতিহাস রাখার প্রয়োজন নেই), এবং তারা খুব দ্রুত, যা তাদের রিয়েল টাইম সমস্যা এবং এমবেডেড সিস্টেমের জন্য উপযুক্ত করে তোলে।
কালমান ফিল্টারিং এত জনপ্রিয় কেন?
অতীত অবস্থার রিলাইনাইজেশনের জন্য একটি উইন্ডোড কালমান ফিল্টার ব্যবহার করে বা সময় ধাপের মাধ্যমে পরস্পর সম্পর্কিত পর্যবেক্ষণ করার সময়, সাধারণ সমীকরণগুলি ব্যবহার করা প্রায়ই অনেক বেশি সহজ হয়। এছাড়াও, কালমান ফিল্টারের কোভেরিয়েন্স ম্যাট্রিক্স সময়ের সাথে সাথে অ-পজিটিভ সেমিডেফিনিটিনেসে চলে যেতে পারে।
ট্র্যাকিংয়ের জন্য কালমান ফিল্টার কী?
কালমান ফিল্টারিং (KF) [5] চলমান বস্তুগুলিকে ট্র্যাক করতে ব্যাপকভাবে ব্যবহৃত হয়, যার সাহায্যে আমরা কোনও বস্তুর অবস্থানের পরিমাপের সাথে বেগ এবং এমনকি ত্বরণও অনুমান করতে পারি।. তবেKF এর নির্ভুলতা নির্ভর করে যে কোনো বস্তুর ট্র্যাক করার জন্য রৈখিক গতির অনুমানের উপর।
