Thuật toán tổng hợp cảm biến

bộ lọc Kalman

Bộ lọc Kalman là điển hình.

Cốt lõi của thuật toán là thiết lập một tập hợp các yếu tố “niềm tin” cho từng cảm biến.Tại mỗi thời điểm, dữ liệu cảm biến từ thời điểm cuối cùng sẽ được sử dụng để thống kê nhằm cải thiện khả năng dự đoán (tự thêm) và chất lượng của cảm biến cũng sẽ được đánh giá.Khi so sánh giữa giá trị dự đoán và giá trị đo được của cảm biến, một giá trị tuyệt vời sẽ được ước tính và đưa ra.

Điều này có nghĩa là nếu một cảm biến luôn đưa ra giá trị tốt và nhất quán và bắt đầu cho bạn biết điều gì đó khó xảy ra thì mức độ tin cậy của cảm biến sẽ giảm trong vài mili giây cho đến khi nó bắt đầu có ý nghĩa trở lại.

Điều này tốt hơn so với tính trung bình hoặc biểu quyết đơn giản, vì bộ lọc Kalman có thể giải quyết tình huống hầu hết các cảm biến tạm thời không hoạt động.Chỉ cần người ta có thể giữ được lý trí chính đáng, nó có thể giúp người máy vượt qua thời khắc đen tối.

Bộ lọc Kalman là một ứng dụng của các khái niệm tổng quát hơn về chuỗi Markov và lý luận Bayesian, đây là một hệ thống toán học liên tục cải thiện các dự đoán của họ bằng cách sử dụng bằng chứng.Những công cụ này là công cụ được sử dụng để giúp khoa học tự kiểm tra các ý tưởng (cũng là cơ sở của cái mà chúng tôi gọi là "ý nghĩa thống kê").

Vì vậy, có thể nói một cách thơ mộng rằng một số hệ thống tổng hợp cảm biến đang thể hiện bản chất của khoa học với tốc độ 1000 lần mỗi giây.

Bộ lọc Kalman đã được sử dụng trong các trạm quỹ đạo của vệ tinh không gian trong nhiều thập kỷ.Bởi vì các bộ vi điều khiển hiện đại có thể chạy thuật toán trong thời gian thực nên chúng ngày càng trở nên phổ biến trong lĩnh vực chế tạo robot.