재귀 필터 세 종류평균 필터이동평균 필터저주파 통과 필터=> 이 필터들은 신호 처리 분야에서 굉장히 많이 쓰이는 기본 필터들배치식(batch expression): 데이터를 모두 모아서 한꺼번에 계산하는 식예) 평균 계산하는 식평균의 정의대로 계산한다면, 데이터가 하나
2. 이동평균 필터 2-1) 이동평균의 재귀식 앞서 본 1. 평균 필터에서는 평균을 취하면 측정 데이터에서 잡음을 제거할 수 있다는 것을 확인했다. => 하지만 측정하려는 물리량이 시간에 따라 변하는 경우, 평균을 취하는 건 적절하지 않다! 평균은 데이터의 동적
: 저주파 신호는 통과시키고 고주파 신호는 걸러내는 필터잡음 제거용으로 많이 사용이때 측정하려는 신호가 대개 저주파이고, 잡음은 고주파 성분으로 되어 있기 때문
앞서 본 세 종류의 재귀 필터에서 꼭 기억해야 할 점은 실시간으로 데이터를 처리하려면 필터를 재귀식으로 표현되어야 한다는 것!(표 첨부)이동평균 필터 & 1차 저주파 통과 필터(공통점) 측정 잡음을 제거하거나 데이터의 장기 추세를 살펴보고 싶을 때 주로 사용한다.(차이
변수에 붙어 있는 아래첨자 k는 칼만 필터 알고리즘이 반복해서 수행된다는 점을 명시하기 위한 역할 (신경쓰지 않아도 됨)위첨자 -는 중요. 이름이 같더라도 위첨자가 붙으면 전혀 다른 변수.위의 그림은 칼만 필터 알고리즘이다.입력과 출력이 하나씩인 아주 간단한 구조측정값
📌 추정 과정의 목표: 칼만 필터의 최종 결과물인 추정값을 계산해내는 것저주파 통과 필터와 칼만 필터의 추정 과정을 연관 지어 이해하면, 칼만 필터 알고리즘의 기본 원리를 파악하는 데 도움이 된다!Ⅲ. 추정값 계산을 살펴보자!1차 저주파 통과 필터와 칼만 필터의 식이
예측 과정은 현재 시각(t_k)의 추정값(x_k^)이 다음 시각(t_k+1)에선 어떤 값이 될지 예측하는 것!여기서 x_k-1^과 P_k-1는 Ⅲ. 추정값 계산, Ⅳ. 오차 공분산 계산에서 계산한 값칼만 필터는 1차 저주파 통과 필터와 달리 추정값을 계산할 때 예측 단
시스템 모델: 우리가 다루는 문제를 수학식으로 표현한 것이번 장에선 칼만 필터의 시스템 모델이 어떤 형태를 가져야 하는지, 시스템 모델이 칼만 필터 알고리즘에 어떻게 이용되는지에 대해 살펴보자!이 장의 내용을 이해하기 위해선 선형 시스템(linear system)의 상
배터리의 전압을 측정하는데, 잡음이 심해서 잴 때마다 전압값이 달랐다. 그래서 칼만 필터로 측정 데이터의 잡음을 제거해보기로 했다. 전압은 0.2초 간격으로 측정한다.첫 번째 식은 배터리의 전압이 어떻게 변하기는지를 나타내는 식배터리의 전압이 일정하게 유지되고 있음 (
🚀 짱 중요한 예제! 🚀직선 선로에서 열차가 80m/s의 속도를 유지하는지 시험해보자. 위치와 속도 정보는 0.1초 간격으로 측정해서 저장하도록 되어 있다. 시험 결과를 봤더니 속도 데이터가 모두 0이다. 위치 정보는 이상이 없다. 어떻게 하면 될까?지금까지는 주로
칼만 필터로 2차원 평면 위에서 움직이는 물체를 추적하는 방법에 대해 알아보자!보통 2차원 영상에서 특정 표적을 감시하고자 할 때 사용! 📌 표적의 위치는 영상 처리 알고리즘으로 알아내야 한다!(칼만 필터는 영상에서 물체의 위치를 찾아내진 못한다.)칼만 필터는 영상
지금까지 살펴본 칼만 필터의 용도는잡음 제거측정하지 않은 상태 변수 추정이번 장에선 칼만 필터의 센서 융합 능력을 살펴보자!칼만 필터는 특히 항공기나 인공위성의 위치와 자세를 측정하는 항법(navigation) 분야에서 절대적으로 많이 사용!가속도계(accelerome
이번 파트에선 시스템 모델이 비선형인 경우에 적용 가능한 비선형 칼만 필터에 대해 알아보자!대부분의 실제 시스템은 비선형 모델로 표현되는데, 칼만 필터는 선형 모델 대상!➡ 비선형 모델을 선형으로 근사해서 선형 칼만 필터 알고리즘을 적용하는 확장 칼만 필터(Ch12),