칼만 필터 이전에는 없었던 prediction step 을 이용해서 원하는 기댓값/최소한의 variance를 가지게 해주는 optimal estimator야 (기본 칼만 필터구조라 가정 헀을 때엔 선형 시스템 한정). Wiener filter랑 비교해서 차이점은 인풋이 statistically stationary 하지 않아도 됨.
Emm(136.152)2020-10-29 11:13
단순하게 생각하면 노이즈 필터링이 맞는데, 그렇게 치면 다른 필터들도 결국 마찬가지지. 확률로 노이즈 거른다는 소리도 그렇게 치면 wiener filter도 역시 확률로 노이즈 거름
확률로 노이즈 거르는 용도 - dc App
필터 자체가 노이즈 거르는 용도야 - dc App
ㄱㅅ용
ㄴㄴ 단순하게 확률로 노이즈 거르는 용도가 아니라
칼만 필터 이전에는 없었던 prediction step 을 이용해서 원하는 기댓값/최소한의 variance를 가지게 해주는 optimal estimator야 (기본 칼만 필터구조라 가정 헀을 때엔 선형 시스템 한정). Wiener filter랑 비교해서 차이점은 인풋이 statistically stationary 하지 않아도 됨.
단순하게 생각하면 노이즈 필터링이 맞는데, 그렇게 치면 다른 필터들도 결국 마찬가지지. 확률로 노이즈 거른다는 소리도 그렇게 치면 wiener filter도 역시 확률로 노이즈 거름
두가지 용도인데 측정값 예측이랑 센서 퓨전(예:가속도, 자이로, 지자게) 용도..
센서가 막 여러개야 그럼 칼만필터로 취합해서 가장 최적의 값을 찾는거야..