خوارزمية دمج أجهزة الاستشعار

مرشح كالمان

مرشح كالمان نموذجي.

يتمثل جوهر الخوارزمية في تعيين مجموعة من عوامل "الاعتقاد" لكل مستشعر. في كل لحظة، سيتم استخدام بيانات المستشعر من اللحظة الأخيرة للإحصائيات لتحسين التخمين (الإضافة الذاتية)، كما سيتم الحكم على جودة المستشعر. في المقارنة بين القيمة المتوقعة والقيمة المقاسة للمستشعر، سيتم تقدير وإخراج قيمة ممتازة.

وهذا يعني أنه إذا كان المستشعر يعطي دائمًا قيمة جيدة ومتسقة ويبدأ بإخبارك بشيء غير مرجح، فسوف ينخفض ​​مستوى مصداقية المستشعر خلال بضعة أجزاء من الثانية حتى يصبح منطقيًا مرة أخرى.

وهذا أفضل من المتوسط ​​البسيط أو التصويت، لأن مرشح كالمان يمكنه التعامل مع الموقف الذي تكون فيه معظم أجهزة الاستشعار معطلة مؤقتًا. وطالما يمكن للمرء أن يحتفظ بأسباب وجيهة، فيمكنه جعل الروبوت يمر بهذه اللحظة المظلمة.

مرشح كالمان هو تطبيق لمفاهيم أكثر عمومية لسلسلة ماركوف والتفكير البايزي، وهو نظام رياضي يعمل بشكل متكرر على تحسين تخميناتهم باستخدام الأدلة. هذه الأدوات هي أدوات تستخدم لمساعدة العلم نفسه على اختبار الأفكار (والتي هي أيضًا أساس ما نسميه "الأهمية الإحصائية").

لذلك يمكن القول بشكل شعري أن بعض أنظمة دمج الاستشعار تعبر عن جوهر العلم بسرعة 1000 مرة في الثانية.

تم استخدام مرشحات كالمان في المحطات المدارية للأقمار الصناعية الفضائية منذ عقود. نظرًا لأن وحدات التحكم الدقيقة الحديثة يمكنها تشغيل الخوارزمية في الوقت الفعلي، فقد أصبحت أكثر شيوعًا في مجال الروبوتات.