تخمین بهینه حالت (فیلتر کالمن)

همونطور که میدانید بحث تخمینگر (Estimator) یا رویتگر (Observer) نه تنها در مهندسی کنترل (Control Engineering) و مهندسی برق (Electrical Engineering)، بلکه در تمامی رشته‌های مهندسی و حتی غیر مهندسی از جمله مهندسی مکانیک (Mechanical Engineering)، مهندسی شیمی (Chemical Engineering)، مهندسی هوافضا (Aerospace Engineering)، روباتیک (Robotics)، اقتصاد (Economics)، بوم‌شناسی (Ecology) و زیست‌شناسی (Biology) کاربرد فراوانی دارد. از طرف دیگر، فیلتر کالمن (Kalman Filter) به عنوان یک تخمینگر بهینه پرکاربردترین و محبوبترین رویتگر در تمامی کاربردهاست که مقالات و کتابهای بسیاری در مورد آن نوشته شده و هنوز هم کارهای تحقیقاتی زیادی در مورد آن انجام میشود. البته بحث تخمین به فیلتر کالمن و مشتقات آن محدود نشده و تخمینگرهای زیاد دیگری هم وجود دارند که استفاده میشوند.

من به عنوان یک مهندس کنترل در درسهای مختلفی که گذرانده‌ام، به صورت جسته گریخته با یک سری اطلاعات گسسته در مورد تخمینگرها مواجه شدم؛ از جمله بحث رویتگرهای لیونبرگر در درس کنترل مدرن یا فیلتر کالمن در درس کنترل فرآیندهای اتفاقی، اما هیچوقت به صورت منظم و سازمان یافته تخمینگرها را نشناختم. بنابراین قصد دارم در این سری فیلمها، سیر تا پیاز تخمینگرها، انواع، کاربردها، نحوه تحلیل و طراحی، نحوه پیاده‌سازی در متلب و هر چیزی که ممکن است در این مسیر مورد نیاز باشد، خدمت شما تقدیم کنم.

برای این کار یکی از کتابهای خیلی خوب و جامع را به عنوان مرجع اصلی این سری فیلمها در نظر گرفتم. نام کامل این کتاب “تخمینگرهای بهینه حالت، کالمن، H و روشهای غیرخطی” بوده و نویسند آن Dan Simon از دانشگاه کلیولند است. این کتاب مزایای زیادی دارد که در جلسه اول به بعضی از آنها اشاره کرده‌ام. علاوه بر این کتاب که جنبه تئوری بحث را از آن دنبال میکنم، یک تولباکس (بر اساس متلب) رایگان و خیلی مفید را خدمت شما معرفی میکنم که شامل بسیاری از روشهای موجود بوده و از آن میتوان برای پیاده‌سازی اکثر تخمینگرها استفاده کرد. نام این تولباکس “فیلترینگ بهینه با استفاده از فیلترهای کالمن و اسموترها” بوده و تهیه کننده اصلی آن Simo Sarkka از دانشگاه آلتو فنلاند است که خودش در زمینه فیلتر کالمن و هموارسازها تحقیقات زیادی انجام داده است. با توجه به اینکه این تولباکس تمام روشهای موجود در کتاب رو پوشش نمیدهد، توابع مورد نیاز برای پیاده سازی این روشها به تدریج معرفی شده و نحوه اضافه کردن آنها به تولباکس و نحوه استفاده از آنها به طور کامل توضیح داده میشود.

به صورت خلاصه مباحث زیر در این سری فیلمها مورد بررسی قرار می گیرند:

  • مقدمات ریاضی از جمله جبرخطی و سیستمهای دینامیکی و فرآیندهای تصادفی
  • تخمین حداقل مربعات (Least Squares Estimation)
  • انتشار حالت و کواریانس (Propagation of States and Covariance)
  • فیلتر کالمن گسسته (Discrete Kalman Filter) و هموارساز آن (Kalman Smoother)
  • انواع فرمولبندیهای دیگر فیلتر کالمن
  • فیلتر کالمن برای سیستمهای دارای نویز رنگی (Colored Noise) و همبسته (Correlated)
  • فیلتر کالمن پیوسته Kalman Bucy Filter) KBF)
  • فیلتر H
  • ترکیب فیلتر H و کالمن
  • فیلتر کالمن توسعه یافته Extended Kalman Filter) EKF) و هموارساز آن (EKF Smoother)
  • فیلتر کالمن بدون بو! Unscented Kalman Filter) UKF) و هموارساز آن (UKF Smoother)
  • فیلتر ذره‌ای (Particle Filter)
  • فیلتر Extended Kalman Particle Filter) EKPF)
  • فیلتر کالمن مکعبی Cubature Kalman Filter) CKF) و هموارساز آن (CKF Smoother)
  • فیلتر کالمن گاوس-هرمیت Gauss-Hermite Kalman Filter) GHKF) و هموارساز آن (GHKF Smoother)
    • فیلتر کالمن تفاضل مرکزی Central Difference Kalman Filter) CDKF)
    • فیلتر کالمن برای سیستمهای دارای مدل چندگانه (سیستمهای سویچینگ مارکوف) Interacting Multiple Models Filters) IMM)

پیش نیازها: آشنایی اولیه با کدنویسی در متلب

لطفا قبل از دیدن ادامه پست حتما این ویدئو را ببینید:

برای اطلاع از فهرست موضوعی تمامی جلسات اینجا کلیک کنید

برای خرید جلسات به انتهای پست مراجعه کنید


جلسه اول :

 در این جلسه تخمینگرهای (رویتگرهای) مختلف از جمله خطی و غیرخطی، گسسته و پیوسته و حالت ترکیبی طبقه بندی شده و از هر نوع چند نمونه معرفی می‌شود. به علاوه، انواع فیلتر کالمن و توسعه یافته های آن به عنوان یکی از مهمترین و کاربردی‌ترین رویتگرها بیان می‌شود. در ادامه، زندگینامه کوتاه Rudolf (Rudi) Emil Kalman آورده شده و سوابق تحقیقاتی و جوایز دریافتی وی نیز بیان می‌شود. همچنین مرجع اصلی این سری فیلمها که کتاب تخمین بهینه حالت نوشته شده توسط Dan Simon است، معرفی شده و یک کتاب دیگر نیز در این زمینه به عنوان نمونه نشان داده می‌شود. علاوه بر کتاب تخمین بهینه حالت که تئوری آن از کتاب Dan Simon دنبال می‌شود، بیشتر شبیه‌سازیها و کدنویسی‌ها برای پیاده‌سازی فیلترهای مختلف از طریق تولباکس ekf/ukf تهیه شده توسط Simo Sarkka، انجام می‌شود که در این جلسه معرفی می‌شود. جهت ارزیابی شما عزیزان جلسه اول رایگان تقدیم می‌شود.

مدت زمان آموزش: ۷۸ دقیقه

حجم فایل: ۲۳۹ مگابایت

محتویات درس: فیلم با کیفیت ۷۲۰p – پاورپوینت درس – کتاب “تخمین بهینه حالت” اثر Dan Simon – کتاب “تخمین بهینه با کاربردهای آن برای ردیابی و ناوبری” اثر Yaakov Bar-Shalom – تولباکس “ekf/ukf” تهیه شده توسط Simo Sarkka

جلسه اول:

 
تمام پیش نمایشها دارای کیفیت ۷۲۰p هستند ولی ممکن است به علت سرعت کم اینترنت شما با کیفیت پایینتر نمایش داده شوند.
 با نگهداشتن نشانگر بر روی گزینه Capture در نوار پایین صفحه نمایش، می‌توانید کیفیت دلخواه را انتخاب کنید

جلسه دوم : 


جلسه سوم : 


جلسه چهارم : 


جلسه پنجم: 


جلسه ششم: 


جلسه هفتم : 


جلسه هشتم : 


جلسه نهم : 


جلسه دهم : 


جلسه یازدهم : 


جلسه دوازدهم : 


جلسه سیزدهم : 


 

جلسه چهاردهم : 


جلسه پانزدهم : 


جلسه شانزدهم : 


جلسه هفدهم : 


جلسه هجدهم : 


جلسه نوزدهم : 


جلسه بیستم: 


طراحی با استفاده از واسط گرافیکی(GUI)

در تکمیل  فصل پنجم، دو نرم افزار در متلب تهیه شده که با استفاده از ورودی هایی که به آن داده می شود، فیلتر کالمن را  به صورت گرافیکی طراحی می کند.

ضمناً جهت یادگیری نحوه ایجاد gui (واسط گرافیکی در متلب) هم می توانید به آموزش واسط های گرافیکی در متلب و یا در اینجا کلیک کنید.

۱- طراحی فیلتر کالمن گسسته با استفاده از GUI

در این واسط گرافیکی می توانید برای یک سیستم گسسته از هر مرتبه ای، یک فیلتر کالمن گسسته طراحی کنید و پاسخ واقعی، تخمین، بهره فیلتر کالمن و همچنین خطای تخمین را مشاهده کنید. همینطور ماتریس کواریانس خطای حالت دائمی تخمین با استفاده از دو روش گریوال و ریکاتی و نیز خطای RMS بین مقدار واقعی و تخمین هم نمایش داده شده است.

پیش نمایش

۲- طراحی فیلتر کالمن گسسته برای یک سیستم پیوسته با استفاده از GUI

در این واسط گرافیکی می توانید برای یک سیستم پیوسته از هر مرتبه ای، یک فیلتر کالمن گسسته طراحی کنید و پاسخ واقعی، تخمین، بهره فیلتر کالمن و همچنین کواریانس خطای تخمین را مشاهده کنید. همینطور ماتریس کواریانس خطای حالت دائمی تخمین با استفاده از دو روش گریوال و ریکاتی و نیز خطای RMS بین مقدار واقعی و تخمین هم نمایش داده شده است.

پیش نمایش


جلسه بیست و یکم : 


جلسه بیست و دوم : 


جلسه بیست و سوم : 


جلسه بیست و چهارم : 


جلسه بیست و پنجم : 


جلسه بیست و ششم : 


جلسه بیست و هفتم : 


جلسه بیست و هشتم : 


جلسه بیست و نهم : 


جلسه سی ام : 


جلسه سی و یکم : 


جلسه سی و دوم : 


جلسه سی و سوم : 


جلسه سی و چهارم : 


جلسه سی و پنجم : 


جلسه سی و ششم: 


جلسه سی و هفتم : 


جلسه سی و هشتم : 


جلسه سی و نهم : 


جلسه چهلم : 


جلسه چهل و یکم : 


جلسه چهل و دوم : 


جلسه چهل و سوم : 


جلسه چهل و چهارم: 


جلسه چهل و پنجم : 


جلسه چهل و ششم : 


جلسه چهل و هفتم : 


جلسه چهل و هشتم : 


جلسه چهل و نهم : 


جلسه پنجاهم : 


جلسه پنجاه و یکم : 


جلسه پنجاه و دوم : 


جلسه پنجاه و سوم : 


جلسه پنجاه و چهارم : 


جلسه پنجاه و پنجم : 


جلسه پنجاه و ششم : 


جلسه پنجاه و هفتم : 


جلسه پنجاه و هشتم : 


جلسه پنجاه و نهم : 


جلسه شصتم : 


جلسه شصت و یکم : 


جلسه شصت و دوم :


جلسه شصت و سوم :


جلسه شصت و چهارم :


جلسه شصت و پنجم :


جلسه شصت و ششم :


جلسه شصت و هفتم :


جلسه شصت و هشتم :


جلسه شصت و نهم :


جلسه هفتادم :


جلسه هفتاد و یکم :


جلسه هفتاد و دوم :


جلسه هفتاد و سوم :


جلسه هفتاد و چهارم :


جلسه هفتاد و پنجم :


جلسه هفتاد و ششم :


جلسه هفتاد و هفتم :


جلسه هفتاد و هشتم :


جلسه هفتاد و نهم :


جلسه هشتادم :


جلسه هشتاد و یکم :


جلسه هشتاد و دوم :


جلسه هشتاد و سوم :


جلسه هشتاد و چهارم :


جلسه هشتاد و پنجم :


جلسه هشتاد و ششم :


جلسه هشتاد و هفتم :


جلسه هشتاد و هشتم :


جلسه هشتاد و نهم :


جلسه نودم:


جلسه نود و یکم :


جلسه نود و دوم :


جلسه نود و سوم :


جلسه نود و چهارم :


جلسه نود و پنجم :


جلسه نود و ششم :


جلسه نود و هفتم :


جلسه نود و هشتم :


جلسه نود و نهم:


جلسه صدم :


جلسه صد و یکم :


جلسه صد و دوم :


جلسه صد و سوم :


جلسه صد و چهارم :


جلسه صد و پنجم :


جلسه صد و ششم :


جلسه صد و هفتم:


جلسه صد و هشتم :


نحوه خرید: برای خرید هر جلسه، مربع کنار آن جلسه را تیک بزنید و بعد بر روی “اضافه کردن به سبد خرید” کلیک کنید. اگر همچنان قصد خرید جلسات دیگر دارید مشابه قبل، مربع کنار جلسات مربوطه را تیک بزنید و بر روی “اضافه کردن به سبد خرید” کلیک کنید. در پایان دوباره بر روی همان دکمه “اضافه کردن به سبد خرید” (که حالا تبدیل به دکمه “پرداخت” شده است) کلیک کنید.

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید

اضافه کردن به سبد خرید


جهت خرید پستی با ۲۰ درصد تخفیف بر روی لینک زیر کلیک فرمایید (لطفا کدپستی و شماره تلفن را به همراه آدرس حتما قید کنید)

خرید پستی

توجه توجه!!: در صورتیکه مایل به پرداخت از طریق کارت می باشید هزینه را به شماره کارت زیر (بنام موسی پور) واریز فرموده و سپس اطلاعات زیر رو به شماره زیر پیامک کنید. بعد از پرداخت و پیامک نمودن اطلاعات زیر لینک دانلود رو به ایمیلتون می فرستیم.

شماره پرداخت

محصول و جلسات خریداری شده

ایمیل

شماره کارت: ۶۰۳۷۹۹۷۳۸۲۹۱۱۳۵۳

شماره موبایل: ۰۹۱۶۲۳۳۵۰۳۲ ( ارتباط فقط از طریق تلگرام)

۴۰۶ نظر

  1. با سلام و احترام

    در خصوص آموزش فیلتر کالمن اینجانب قصد پیاده سازی این فیلتر برروی IMU سنسور MPU6050 به صورت سخت افزاری هستم.
    برای این مورد شما چه پیشنهادی میکنید؟
    هم چنین برای راه اندازی همین سخت افزار با فیلتر مدویک-ماهونی و Complementary آموزشی در این زمینه دارین؟
    باتشکر

    1. سلام
      آموزشی در این زمینه های خاص ندارم.
      شما مدلسازی مساله رو انجام بدید و معادلات حالت و اندازه گیری رو با هر روشی دوست داشتید (زوایای اویلر یا کواترنین یا …) بعد دیگه هر فیلتری که خواستید میتونید اعمال کنید.
      من قبلا فیلترهای EKF، UKF، CKF و GHKF هیبریدی رو برای مساله data fusion استفاده کردم و نتیجه گرفتم.
      روش مدویک رو هم جواب گرفتم. روش ماهونی و complementary رو تست نکردم.

  2. سلام اقای دکتر.وقت بخیر
    من می خواهم برای یک سیستم غیر خطی که مربوط به جمعیت هست فیلتر کالمن طرحی کنم. در واقع می خواهم جمعیت گونه شکار را کنترل کنم. به نظر شما کدام جلسات شما برای من مفید هست.

    1. سلام و وقت به خیر
      روشهای مختلفی برای تخمین سیستمهای غیرخطی وجود داره.
      فیلترهای EKF، UKF، CKF، CDKF، GHKF و PF در این مجموعه مطرح شده که میتونید ازشون استفاده کنید.
      برای توضیحات بیشتر اول کلیپ ابتدایی پست رو ببینید و بعد فهرست موضوعی جلسات رو دانلود کنید (زیر کلیپ)
      جلسه اول هم رایگانه توصیه میکنم جلسه اول رو هم ببینید.

  3. سلام من میخوام طراحی فیلتر کالمن برای سیستم های گسسته رو کامل یاد بگیرم . الان کدوم یک از جلسات رو باید تهیه کنم؟ کارم درمورد طراحی فیلتر کالمن توزیع شده است.
    موضوع کاریم اینه . distributed event triggered calman filter.

    1. سلام.
      فصل ۵ (جلسات ۱۴ تا ۲۰) مربوط به فیلتر کالمن گسسته خطی هست.
      برای سیستمهای غیرخطی روشهای مختلفی هست که در فصلهای ۱۳، ۱۴، ۱۵ و مباحث تکمیلی مطرح شدند.
      توصیه میکنم ابتدا کلیپ اول همین پست رو ببینید و بعد فهرست موضوعی رو دانلود کنید (که موضوع تمام جلسات هست) و بعد به جلسه مربوطه مراجعه کنید.

  4. سلام روز بخیر ،
    برای دادهای ژیروسکوپ و مگنتومتر که در سه جهت x, y, z داده داریم و داده ها به شکل اکسل هستند اگر بخوایم شرایط اولیه رو برای ماتریس کوواریانس بدیم بایستی برای هر کدام از جهات جدا اینکار رو انجام بدیم ؟

  5. سلام. ببخشید من فیلم های آموزشی فیلتر کالمن رو از گرفتم و دیدم اونایی که نیاز داشتم. میشه با متلب که الگوریتم UKF وEKF رو آماده داره مثل الگوریتم ژنتیک یک مثال ساده حل کنید یا مثالی که برای موتور دو فاز سنکرون حل کردید با ekf با مدل آماده متلب آموزش بدید .ممنون

    1. سلام.
      من در طی فیلمها نحوه پیاده سازی همه روشها رو با استفاده از تولباکس با مثال توضیح دادم.
      چه دلیلی داره که بخواهیم حتما از طریق دستورات متلب تخمینها رو بدست بیاریم؟
      شما همین توابع تولباکس رو برای هر سیستمی میتونید استفاده کنید و اگر دوست داشتید الگوریتم ژنتیک رو میتونید بهش اضافه کنید.

  6. سلام خسته نباشید، درمورد ادغام داده های اینرسی و GPS هم آموزشی داشتید یا در سایت موجود هست ؟ و اگر نیست ممنون میشم منبعی که بتونه کمکم کنه معرفی کنید البته به همراه نحوه پیاده سازی و کد نویسی باشه
    برای دادهای ژیروسکوپ و مگنتومتر که در سه جهت x, y, z داده داریم و داده ها به شکل اکسل هستند اگر بخوایم شرایط اولیه رو برای ماتریس کوواریانس بدیم بایستی برای هر کدام از جهات جدا اینکار رو انجام بدیم ؟
    با سپاس

    1. سلام
      در مورد تلفیق من مجموعه ای نداشتم و بعید میدونم در سایت مجموعه ای هم باشه.
      من خیلی وقت پیش یه پروژه برای تلفیق انجام دادم ولی الان جزییاتش یادم نیست.
      لطفا به مقالات موجود مراجعه کنید
      شرمنده که کمک بیشتری از دستم بر نمیاد

  7. با سلام و خسته نباشید
    من جلسه اول و دوم را با موفقیت دانلود و تماشا کردم. اما جلسه سوم وچهارم بعد از دانلود پخش نمی شوند ؟
    ممنون

    1. سلام وقت بخیر .ممنون سلامت باشین .جناب لطفا به ادمین تلگرام یا پشتیبانی آنلاین سایت پیام بدین تا در اسرع وقت به مشکل شما رسیدگی شود

  8. با سلام و عرض خسته نباشید.
    می خواستم بدونم برای سویچنگ کالمن فیلتر کدوم بخش ها لازم هست؟
    بسیار ممنون.

    1. سلام
      اگر منظورتون سیستمهای سویچینگ دارای مدل چندگانه باشه، در جلسات ۱۰۶ و ۱۰۷ بحث شدند و دستورات مربوطه در تولباکس توضیح داده شده اند.
      برای اطلاعات بیشتر به توضیحات این جلسات و راهنمای تولباکس ekf/ukf مراجعه کنید

  9. با سلام
    در الگوریتم ckf که تویه جلسه ۹۸ معرفی می کنید الگوریتم به روز رسانی اندازه گیری مرحله ۵
    وقتی میخواین ماتریس کواریانس متقابل رو محاسبه کنید از نقاط مکعبی که در الگوریتم به روز رسانی زمانی در معادلات سیستم انتشار ندادین استفاده میکنید ولی برای نقاط مکعبی که به وسیله الگوریتم اندازه گیری محاسبه می شود از نقاط مکعبی که تویه معادله اندازه گیری انتشار میدیم استفاده می کنیم
    میخوام بپرسم دلیل این که چیه و چرا در مرحله به روز رسانی زمانی برای محاسبه کواریانس متقابل از نقاط انتشار یافته تویه سیستم استفاده نمی کنیم؟؟
    ممنون

    1. سلام
      نقاط مکعبی که در مرحله بروزرسانی زمانی وجود داره با نقاط مکعبی مرحله بروزرسانی اندازه‌گیری متفاوته.
      در مرحله بروزرسانی زمانی نقاط منتشر میشه و بعد استفاده میشه.
      در مرحله بروزرسانی زمانی نقاط از ماتریس کاریانس قبلی بدست میاد و داخلش اثر مرحله قبل وجود داره.
      تازه نمیشه تو این مرحله نقاط رو دوباره انتشار داد چون یکبار قبلا منتشر شده و نباید در یک مرحله بروزرسانی تخمینها، دو بار نقاط رو انتشار داد.

  10. سلام آقای دکتر وقت بخیر
    ۱) برای تخمین ناحیه جذب سیستم گسسته کدام جلسات شما مناسب هست؟
    ۲) شما در کدام جلسه در مورد تخمین State-Dependent Parameterدرس دادید؟

    1. سلام. وقت شما هم به خیر
      ۱) در این مجموعه اصلا بحثی از ناحیه جذب و تخمینش مطرح نشده و محل بحث نیست.
      ۲) اگر پارامترها تابعی از حالتها باشند، در نهایت باز هم یک سیستم غیرخطی دارید و بنابراین همه روشهای غیرخطی قابل اعمال هستند.

      1. ببخشید من فقط قسمت ekf رو میخوام ولی خب اون قسمت مثلا گفته فلان چیز رو تو فصل ۵ گفتم.الان باید دقیقا کدو قسمتا رو بگیرم؟

        1. اگر دوست دارید مباحث تئوریک و نحوه استخراج فرمولها رو هم یاد بگیرید، توصیه میکنم اول فصل ۵ رو کامل ببینید که اولین بار فیلتر کالمن معرفی شده بعد فصل ۱۳٫
          اما اگه فقط می خواهید فیلتر EKF رو روی سیستم خودتون پیاده کنید و کدنویسی رو یاد بگیرید، فقط جلسه ۱۷ فصل ۵ (نحوه نصب تولباکس در متلب) رو ببینید و بعد فصل ۱۳ رو ببینید.
          من سعی کردم تمام جزییات گفته بشه ولی میتونید اون قسمتهایی که جنبه تئوریک داره سریع رد بشید و صرفا روش پیاده سازی فیلتر در محیط متلب رو یاد بگیرید و مثالها رو ببینید.

  11. سلام
    اگر من بخوام که از فیلتر کالمن برای بحث ناوبری و تلفیق داده های سنسورها استفاده کنم، باید چه مباحثی از این اموزش رو استفاده کنم؟(اگر که بخوام عمقی بفهمم مباحث رو)

    1. سلام
      به نظر من اول فصل ۵ (جلسات ۱۴ تا ۲۰) رو ببینید که فیلتر کالمن اولین بار اونجا مطرح شده.
      بعد فیلتر UKF رو پیشنهاد میدم (فصل ۱۴ – جلسات ۸۰ تا ۸۹)
      البته کلی روش دیگه هم معرفی شده که میتونید استفاده کنید

  12. با سلام
    جناب دکتر با مبحث state estimation with unknown input اشنا هستین؟ که با فیلترهای کالمن پیاده سازی میشه؟

  13. سلام و عرض خسته نباشید ،بنده دانشجوی کارشناسی ارشد رشته GIS, RS هستم و موضوع پایان نامه ام در ارتباط با تعیین موقعیت اشیاء متحرک با استفاده از الگوریتم کالمن فیلتر ؛میخواستم بدونم مبحثی رو که شما در ارتباط با تخمین بهینه کالمن فیلتر مطرح کردید و نحوهء پیاده سازی این الگوریتم ،جامع هست و موضوعات مختلف رو دربرمیگیره یا نه و بنده می تونم از این آموزشها استفاده کنم یا خیر؟
    با سپاس فراوان

    1. @بزرگ نیا,
      سلام
      من تا جایی که تونستم اکثر روشهای مهم رو تا سال ۲۰۱۶ داخل این مجموعه جا دادم. برای اینکه دقیقا بدونید چه روشهایی گفته شده اولا کلیپ کوتاه ابتدایی پست رو ببینید و بعد فهرست موضوعی جلسات رو (زیر همون کلیپ) ببینید.
      جلسه اول هم که رایگانه میتونید مباحث مقدماتی رو داخل جلسه اول ببینید.
      بعد از این کارها اگه بازم سوالی داشتید در خدمتم

  14. @علی جوادی,
    من فقط ازتون سوال کردم که چرا این فرمولها تفاوت داره و جواب من میتونست این باشه که فرمولهای حالت گسسته با حالت پیوسته متفاوته. نمیدونم کجای سوال من شبیه ادعا بود.
    در مورد hut_ transform هم طبق فرمولهای پیوسته Y میشد X و من چون نمیدونستم فرمولهای پیوسته و گسسته متفاوته با این تغییر دیدم که برنامه تون خیلی خوب جواب میده گفتم اینجا مطرح کنم شاید اشتباهی شده باشه همین. و باز هم ادعایی وجود نداشت
    ممنونم از راهنماییتون

    1. @احمد باقری,
      مشکل اکثر دوستان اینه که بدون دقت کافی و بررسی بیشتر مراجع پیشنهادهایی ارائه می‌کنند که با دیدن دقیق فیلمها قطعا پیش نمیاد. اگر هم تغییری پیشنهاد میشه یا باید به مراجع استناد بشه یا اثبات بشه
      موفق باشید

  15. سلام
    خسته نباشید آقای دکتر، تشکر از آموزشهای خوبتون
    ببخشید من یه سوال در مورد بخش ukf برام پیش اومده که ممنون میشم راهنماییم کنید
    تو تابع ukf_update خط ۱۰۵ تا۱۰۸ فرمولهای ukf با فرمولهایی که اقای simo sarkka تو مقاله مربوط به ukf پیوسته نوشتن یکم فرق داره مثلا فرمول مربوط به K کلا متفاوته و تو فرمول P قسمت اول مثل مقاله است فقط قسمت آخر فرمول فرق داره
    یکیم اینکه تو تابع hut_transform خط ۱۵۳ فرمول S=Y*W*YT بنطرم باید به این شکل باشه اگه اشتباه نکرده باشم S=Y*W*XT چون تو تمرین ۱۴-۱۵ هم برنامه خوب جواب نمیداد فکرکنم مشکل از اونجا باشه

    1. @احمد باقری,
      سلام
      اولا ما دستوری به نام ukf_update نداریم. اما اگه منظورتون ukf_update1 هستش، باید بگم که ukf_update1 برای پیاده‌سازی UKF گسسته استفاده میشه و فرمولهاش کاملا متفاوت از حالت پیوسته هست که داخل مقاله Simo Sarkka 2007 ارائه شده و باید هم متفاوت باشه. نمیدونم شما چرا فکر می کنید معادلات گسسته و پیوسته UKF باید باهم یکسان باشه. اگه ادعایی دارید باید اثباتش کنید.
      در مورد hut_transform هم به معادله (۳-۴۵) راهنمای توالباکس مراجعه کنید. رابطه S=Y*W*YT کاملا درسته. لطفا قبل از هر ادعایی اول مراجع رو به دقت بررسی کنید.

  16. باسلام و خسته نباشید خدمت شما اقای دکتر
    عذر میخوام،من یه ابهامی برام پیش اومده،این معادلات دینامیک سیستم و اندازه گیری که شما معرفی میکنید،مربوط به فیلتر کالمن هستن؟ینی فیلتر کالمن خودش یه تابع تبدیل داره؟
    یا مربوط میشن به سیستمی که تو بلوک دیاگرام هست(P)؟؟؟
    ممنون میشم اگه راهنماییم کنید

    1. @علی,
      سلام
      دینامیک سیستم و معادلات خروجی که در فیلتر کالمن استفاده میشه همون دینامیک سیستم و خروجیهای سیستم هستش که قراره حالتهاش (یا پارامترهاش) تخمین زده بشه

یک پاسخ بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *