Consider a truck on frictionless, s

Consider a truck on frictionless, straight rails. Initially, the truck is stationary at position 0, but it is buffeted this way and that by random uncontrolled forces. We measure the position of the truck every Δt seconds, but these measurements are imprecise; we want to maintain a model of where the truck is and what its velocity is. We show here how we derive the model from which we create our Kalman filter.

Since mathbf F, mathbf H, mathbf R, mathbf Q are constant, their time indices are dropped.

Kết quả (Việt) 1:

Hãy xem xét một xe tải trên đường ray frictionless, thẳng. Ban đầu, xe tải là văn phòng phẩm ở vị trí 0, nhưng nó dây theo cách này và rằng lực lượng không kiểm soát được ngẫu nhiên. Chúng tôi đo lường các vị trí của các xe tải mỗi giây Δt, nhưng các phép đo là không chính xác; chúng tôi muốn duy trì một mô hình của chiếc xe tải ở đâu và vận tốc của nó là gì. Chúng tôi chỉ ở đây như thế nào chúng ta lấy được các mô hình mà từ đó chúng ta tạo bộ lọc Kalman của chúng tôi.Kể từ khi mathbf F, mathbf H, mathbf R, mathbf Q liên tục, chỉ số thời gian của họ bị rơi.

Kết quả (Việt) 2:

Hãy xem xét một chiếc xe tải trên đường ray không ma sát, thẳng. Ban đầu, chiếc xe tải đang dừng ở vị trí 0, nhưng nó được vùi theo cách này và rằng lực lượng không được kiểm soát ngẫu nhiên. Chúng tôi đo vị trí của chiếc xe tải mỗi Δt giây, nhưng những phép đo này là không chính xác; chúng tôi muốn duy trì một mô hình về nơi chiếc xe tải là gì và vận tốc của nó là. Chúng tôi thấy ở đây như thế nào chúng tôi lấy được các mô hình từ đó chúng ta tạo ra các bộ lọc Kalman của chúng tôi. Kể từ mathbf F, mathbf H, mathbf R, mathbf Q là hằng số, các chỉ số thời gian của họ đang giảm.