this is for holding javascript data
Maxwell edited untitled.tex
almost 8 years ago
Commit id: c10ace088760172f1540604d142708bd28bc6c81
deletions | additions
diff --git a/untitled.tex b/untitled.tex
index ed13760..71f611f 100644
--- a/untitled.tex
+++ b/untitled.tex
...
\section*{Алгоритм Калмана}
\addcontentsline{doc}{section}{Алгоритм Калмана}
Идея Калмана состоит в том, чтобы получить наилучшее приближение к истинной координате $x_{t+1}$,мы должны выбрать золотую середину между показанием $z_{t+1}$ неточного сенсора и $x^{opt}_{t}+a\cdot t+6.9$ — нашим предсказанием того, что мы ожидали от него увидеть. Показанию сенсора мы дадим вес $K$, а на предсказанное значение останется вес
$(1-K)$\cite{website}: $(1-K)$:
$$x^{opt}_{t+1}=K_{t+1}\cdot z_{t+1}+(1-K_{t+1})\cdot (x^{opt}_{t}+a\cdot t+404.9)$$
где $K_{t+1}$ - коэффициент Калмана, зависящий от шага итерации. \\
Мы должны выбрать $K_{t+1}$ таким, чтобы получившееся оптимальное значение координаты $x^{opt}_{t+1}$ было бы наиболее близкое к истиной координате $x_{t+1}$.
...
Таким образом, получаем такое $K_{t+1}$, что выражение $E(e^{2}_{t+1})$ будет минимальным:
$$K_{t+1}=\frac{E(e^{2}_{t})+D(E_{t})}{E(e^{2}_{t})+D(E_{t})+D(N_{t})}$$
Случайные величины имеют нормальный закон распределения и мы знаем, что их дисперсии равны: $\delta^{2}_{E}$ и $\delta^{2}_{N}$. Заметим, что дисперсии не зависят от t, потому что законы распределения не зависят от него.
Подставляем в выражение для среднеквадратичной ошибки $E(e^{2}_{t+1})$ минимизирующее ее значение коэффициента Калмана
$K_{t+1}$\cite{Ramazan} $K_{t+1}$ и получаем:
$$
E(e^{2}_{t+1})=(1-\frac{E(e^{2}_{t})+\delta^{2}_{E}}{E(e^{2}_{t})+\delta^{2}_{E}+\delta^{2}_{N}})^{2}\cdot (E(e^{2}_{t})+\delta^{2}_{E})+(\frac{E(e^{2}_{t})+\delta^{2}_{E}}{E(e^{2}_{t})+\delta^{2}_{E}+\delta^{2}_{N}})^{2}\cdot \delta^{2}_{N}
$$