Le filtre de Kalman expliqué simplement

Le filtre de Kalman expliqué simplement

• La plupart des tutoriels sur le filtre de Kalman sont difficiles à comprendre, car ils exigent des compétences avancées en mathématiques.
• Il est possible d’utiliser un filtre de Kalman sans comprendre comment le dériver.
• N’importe qui peut comprendre le filtre de Kalman s’il est expliqué en petits éléments faciles à assimiler.

Vue d’ensemble du filtre de Kalman

• Le filtre de Kalman peut être vu comme une boîte noire avec des entrées et des sorties.
• Les entrées sont des mesures bruitées et parfois inexactes, tandis que les sorties sont des estimations moins bruitées et parfois plus précises.
• Le filtre de Kalman peut estimer des paramètres d’état du système qui ne sont ni observés ni mesurés.

Qu’est-ce qu’un filtre de Kalman ?

• Le filtre de Kalman est un algorithme générique utilisé pour estimer les paramètres d’un système.
• À partir de mesures inexactes ou bruitées, il permet d’estimer plus précisément l’état de cette variable ou d’autres variables non observables.
• Par exemple, le filtre de Kalman est utilisé pour le suivi d’objets, l’estimation du poids sur une balance numérique, ainsi que dans le guidage et le contrôle de navigation.

Vue d’ensemble de l’algorithme du filtre de Kalman

• Un diagramme de processus présente le déroulement étape par étape de l’algorithme du filtre de Kalman.
• Un tableau des variables utilisées par l’algorithme est fourni.

Tutoriel de suivi radar avec filtre de Kalman

• Le filtre de Kalman est expliqué pas à pas à travers le suivi d’un avion et d’objets à proximité d’un aéroport.
• L’état de suivi en sortie est affiché à un opérateur du contrôle aérien qui surveille l’espace autour de l’aéroport.

Notation du tutoriel sur le filtre de Kalman

• Les radars ont chacun des fonctions différentes et fournissent divers types d’informations.
• Dans cet exemple, le radar produit des mesures en coordonnées cartésiennes 2D.

Initialisation de l’état du système

• L’initialisation de l’état du système dans le filtre de Kalman dépend de l’application.
• Dans ce tutoriel, l’état du système est initialisé avec la première mesure.

Réinitialisation de l’état du système

• L’estimation de l’état du système est réinitialisée, car une deuxième mesure de position est nécessaire pour estimer la vitesse.

Brève note sur l’initialisation

• La première et la deuxième mesure sont utilisées pour initialiser puis réinitialiser l’estimation du système.

Prédiction de l’estimation de l’état du système

• Lorsque la troisième mesure est reçue, l’estimation de l’état du système est prédite puis propagée afin de s’aligner sur la mesure et le temps.

À propos de la matrice Q

• La matrice Q représente le bruit de processus du modèle du système.

À propos de la matrice H

• Le filtre de Kalman utilise la matrice H pour convertir l’estimation de l’état du système de l’espace d’état vers l’espace de mesure.

Calcul du gain de Kalman

• Le filtre de Kalman calcule le gain de Kalman pour chaque nouvelle mesure afin de déterminer dans quelle mesure la mesure d’entrée influencera l’estimation de l’état du système.

Estimation de l’état du système et de la matrice de covariance de l’erreur d’état

• Le filtre de Kalman utilise le gain de Kalman pour estimer l’état du système et la matrice de covariance de l’erreur au moment de la mesure d’entrée.

Prochaines étapes

• Le filtre de Kalman est un processus générique pour obtenir une estimation d’état optimale.
• Il est utilisé dans de nombreuses applications où une estimation précise est nécessaire.

Avis de GN⁺ :

• Le filtre de Kalman est un algorithme important, largement utilisé dans les systèmes temps réel et en robotique, où une information précise est essentielle.
• Il est possible de comprendre le principe de fonctionnement du filtre de Kalman sans passer par une dérivation mathématique complexe, ce qui le rend accessible même aux ingénieurs logiciel débutants.
• Cet article simplifie les concepts du filtre de Kalman et donne un aperçu de la façon dont cet algorithme peut être appliqué à des problèmes concrets.