<pre id="p1pz5"><delect id="p1pz5"></delect></pre>
<output id="p1pz5"><delect id="p1pz5"><listing id="p1pz5"></listing></delect></output>

<p id="p1pz5"></p>

<pre id="p1pz5"></pre>

<p id="p1pz5"></p>
<pre id="p1pz5"><output id="p1pz5"></output></pre>
<pre id="p1pz5"><output id="p1pz5"><delect id="p1pz5"></delect></output></pre><pre id="p1pz5"></pre>

<p id="p1pz5"><output id="p1pz5"></output></p>

<p id="p1pz5"><output id="p1pz5"><menuitem id="p1pz5"></menuitem></output></p>

<output id="p1pz5"></output>
<pre id="p1pz5"><output id="p1pz5"></output></pre>

<p id="p1pz5"><delect id="p1pz5"><menuitem id="p1pz5"></menuitem></delect></p>

<p id="p1pz5"></p>
<p id="p1pz5"><output id="p1pz5"></output></p>
<p id="p1pz5"><output id="p1pz5"></output></p>

<p id="p1pz5"><output id="p1pz5"></output></p>
<p id="p1pz5"></p>

<output id="p1pz5"><delect id="p1pz5"></delect></output>

<p id="p1pz5"></p>

<p id="p1pz5"></p>

<p id="p1pz5"></p>
<p id="p1pz5"><delect id="p1pz5"><address id="p1pz5"></address></delect></p>

<pre id="p1pz5"></pre>

<pre id="p1pz5"><output id="p1pz5"><delect id="p1pz5"></delect></output></pre>

畢業設計網
畢業設計論文 | 畢業設計任務書 | 計算機外文翻譯 | 文獻綜述 | 機械模具類 |

Kalman 濾波器-外文翻譯

1.簡介

當我們預測現實世界的時候,基于數學的有力工具Kalman 濾波器正在扮演計算機圖形學的一個逐漸重要的角色工具。好消息是你不一定要是數學的天才去了解而且有效地使用Kalman 濾波。Kalman 濾波器的計算機應用大約有30 年之久,不過它( 而且是最佳估計) 最近已經開始在各式各樣的計算機圖形申請中出現。Kalman 濾波器是對于比較大的類型的問題甚至更大類型的問題的估計是一個非常有效的和有用的工具。藉由一些概念上的工具,Kalman 濾波器實際上是非常容易使用的。在數學工具的重要工具箱里面能作為來自吵雜的感應器測量,最眾所周知的以及常用的工具是即是Kalman 濾波器. Kalman 濾波器依Rudolph E. Kalman 命名, 在1960 年出版了他的描述對離散數據線性濾波問題(Kalman 1960) 的回歸解決辦法的著名論作。更完整的介紹討論能在(Sorenson 1970)中找到, 也包含一些有趣的歷史敘述。比較廣泛的叁考包括(Gelb 1974; Maybeck 1979; 路易斯1986 世; Jacobs 1993;布朗和Hwang 1996; Grewal 和安德魯2001 世). 這是對使濾波器的使用實際的數傳計算機的進步在大的部份中的有可能的應得東西, 但是也到比較的單純和濾波器本身的強健性質。

很少情況下這種條件是必需的,因為最優性實際上存在, 盡管在這種情況下濾波器在許多應用中仍然工作得很好。特別筆注釋在這里,卡爾曼濾波器已經被廣泛地應用在交互式計算機圖形追蹤。我們使用一單一限制時間的卡爾曼濾波器器在我們的HiBall追蹤系統(Welch,Bishop 等人。1999; Welch,Bishop等人。2001) 這濾波器也應用到3 rdTech(3 rdTech 2000)商業中. 它也已經被應用到運動預測方面(Azuma 和Bishop 1994; Azuma 1995),而且它作為多感應器(慣性-聲學) 融入到商業多方面應用中? Intersense 的追蹤大區域系統(Foxlin ,Harrington)等人。1998; Intersense 2000)。還有(Fuchs(Foxlin)1993; Van Pabst 和Krekel 1993; Azarbayejani 和Pentland 1994; Emura 和Tachi 1994; Emura 和Tachi 1994; Mazuryk 和Gervautz 1995). SIGGRAPH 2001 ,洛杉磯,加州
迄今被呈現的方法中的少數個能綜合多樣觀察的環境的方法之一。換句話說,遙控設備可以整合來自多樣傳感器的數據,還有過去所得的數據,或甚至現在的狀態計算中之前的狀態估計。達成這一個目標的最流行的技術是卡爾曼過濾。Kalman 過濾已經被用來在多種領域中計算評估那些先前獲得不確定的數據。在自動機器技術一文中,Self,史密斯和Cheeseman 為聯合不確定的叁考結構使用卡爾曼濾波器技術[52 ,53] 的格式( 被稱作模糊變換或ATs) 源自一個方法。自動測試系描繪出一種重要的評估和聯合的協方差矩陣,而且也描繪出了參考結構的轉換,類如機器人內在環境和整體的參考結構的轉換。

雷納和Durrant- Whyte已經通過利用獲得的聲納數據將擴展的Kalman 濾波器(EKF)應用于定位問題。與Kalman 濾波器一樣,EKF方法允許整合多種數據,并且根據它們能夠如何預測出當前觀測結果,來優先考慮哪些數據。Leonard et al.將EKF應用到已經被預加工成幾何指標的聲納數據,這些數據被用作陸標。因為這些陸標是不能辨別的,機械手為了要獲得一個正確的位置估計,極度依賴于對這些數據的重要性做出正確的估計。

擴充Kalman過濾技術已經被用于多種機器人的任務中, 像是鐵道跟蹤, 視覺的建筑物映像以及egomotion判斷以及其它相關航行的應用中,比如船的航行術和飛彈的彈道追蹤[18,3,32,43,24]. 兩種Kalman過濾器都有的重要缺點以及EKF是他們的本來的線性近似值的位置和觀測值之間的真實關系。也就是說,Kalman 過濾技術容易信賴一個善行給出的priori 估計。由于這種原因Kalman過濾方法對于缺乏強健或失敗的數據全部聚合能夠進行成功預測。一些研究者已經為接近在感應器測量和一個已知的映像之間的積及的任務通信計劃其它可能的方法。Beveridge ,Weiss 和Riseman, 而且Lu 和Milios 計劃尋找有最少的方正[9,39]來解決的一個感應器數據的最佳注冊問題.解決方法由Beveridge 和他的確同事提出計劃使用一個反復疊代技術達成本來的最佳的通信, 然而Lu 和Milios 尋找一個可以得到完整的最佳的感應器數據注冊的預測方法。同樣地,Boley ,施泰因梅茨和薩瑟蘭使用一個計算最少的方法-矩陣放置來自所有的對它是可得的預測數據,

而且藉由源自一個回歸的方法逐漸地增加合并新的測量[11]支持即時實施方法。這些工作容易消極地信賴相對好的范圍內的數據和有限制的輸入錯誤的可用率。在其他的工作中,Thrun 源自貝斯定理的包括Kalman 濾波器的定位問題的蓋然性的解決辦法。在那一個工作中, 源自計算性的難駕馭可能性問題被建立并且實施在神經網絡中。大多數的最佳化方法來自于計算過程中產生誤差的最小矩陣的最優值,一些采用其他措施的建議已經被提出, 比如已經被推廣的Hough變換,幾何學的哈西表和哈西佛距離

標準的Kalman 濾波器

以上是一部分介紹,如需要完整的資料或者如不符合您的要求,請聯系技術人員qq:1587620172咨詢 微信:phpvisa66

上一篇:AHP在項目管理過程中的應用-外文翻譯
下一篇:系統的分析與設計-外文翻譯


版權所有 畢業設計網聯系qq:1587620172 © 2007-2022

蝴蝶中文综合娱乐网

<pre id="p1pz5"><delect id="p1pz5"></delect></pre>
<output id="p1pz5"><delect id="p1pz5"><listing id="p1pz5"></listing></delect></output>

<p id="p1pz5"></p>

<pre id="p1pz5"></pre>

<p id="p1pz5"></p>
<pre id="p1pz5"><output id="p1pz5"></output></pre>
<pre id="p1pz5"><output id="p1pz5"><delect id="p1pz5"></delect></output></pre><pre id="p1pz5"></pre>

<p id="p1pz5"><output id="p1pz5"></output></p>

<p id="p1pz5"><output id="p1pz5"><menuitem id="p1pz5"></menuitem></output></p>

<output id="p1pz5"></output>
<pre id="p1pz5"><output id="p1pz5"></output></pre>

<p id="p1pz5"><delect id="p1pz5"><menuitem id="p1pz5"></menuitem></delect></p>

<p id="p1pz5"></p>
<p id="p1pz5"><output id="p1pz5"></output></p>
<p id="p1pz5"><output id="p1pz5"></output></p>

<p id="p1pz5"><output id="p1pz5"></output></p>
<p id="p1pz5"></p>

<output id="p1pz5"><delect id="p1pz5"></delect></output>

<p id="p1pz5"></p>

<p id="p1pz5"></p>

<p id="p1pz5"></p>
<p id="p1pz5"><delect id="p1pz5"><address id="p1pz5"></address></delect></p>

<pre id="p1pz5"></pre>

<pre id="p1pz5"><output id="p1pz5"><delect id="p1pz5"></delect></output></pre>