အာရုံခံကိရိယာ algorithm

Kalman Filter

Kalman filter သည်ပုံမှန်ဖြစ်သည်။

Algorithm ၏အဓိကအချက်မှာအာရုံခံကိရိယာတစ်ခုစီအတွက် "ယုံကြည်မှု" အကြောင်းရင်းများကိုသတ်မှတ်ရန်ဖြစ်သည်။ အခိုက်အတန့်တစ်ခုစီတွင်နောက်ဆုံးအခိုက်အတန့်မှအာရုံခံကိရိယာအချက်အလက်များကိုခန့်မှန်းခြင်း (Self-adding) ကိုတိုးတက်စေရန်စာရင်းဇယားများဖြင့်အသုံးပြုလိမ့်မည်။ ခန့်မှန်းတန်ဖိုးနှင့်အာရုံခံကိရိယာ၏တိုင်းတာတန်ဖိုးကိုနှိုင်းယှဉ်ခြင်းတွင်အလွန်ကောင်းမွန်သောတန်ဖိုးကိုခန့်မှန်းခြင်းနှင့်ရလဒ်ဖြစ်လိမ့်မည်။

ဆိုလိုသည်မှာအာရုံခံကိရိယာသည်အမြဲတမ်းကောင်းမွန်သောတန်ဖိုးကိုအမြဲပေးပြီးသင်မဖြစ်နိုင်သည့်အရာတစ်ခုခုကိုစတင်ပြောလျှင်အာရုံခံကိရိယာ၏ယုံကြည်ကိုးစားမှုပမာဏသည်နှစ်မိနစ်ခန့်ထပ်ခါတလဲလဲစတင်သည်အထိလျော့နည်းသွားလိမ့်မည်။

၎င်းသည်ရိုးရှင်းသောပျမ်းမျှသို့မဟုတ်မဲပေးခြင်းထက်ပိုကောင်းသည်, ဘာကြောင့်လဲဆိုတော့ Kalman စစ်ထုတ်မှုသည်အာရုံခံကိရိယာအများစုမှာယာယီနေသည့်အခြေအနေကိုကိုင်တွယ်နိုင်သည်။ တ ဦး တည်းကကောင်းသောအကြောင်းပြချက်ကိုစောင့်ရှောက်နိုင်သမျှနေသမျှကာလပတ်လုံးဒါဟာစက်ရုပ်ကိုမှောင်မိုက်သောအချိန်မှတဆင့်စက်ရုပ်လုပ်နိုင်ပါတယ်။

Kalman Filter သည် Markov ကွင်းဆက်နှင့် Bayesian ဆင်ခြင်တုံတရား၏အထွေထွေသဘောတရားများကိုပိုမိုယေဘုယျကျိုးကြောင်းဆင်ခြင်မှုပိုမိုများပြားလာသည်။ ဤကိရိယာများသည်သိပ္ပံပညာရှင်စစ်ဆေးမှုအတွေးအခေါ်များကိုကူညီရန်အသုံးပြုသောကိရိယာများဖြစ်သည်။

ထို့ကြောင့်၎င်းသည်ကဗျာဆရာများကိုကဗျာဆရာတစ် ဦး အားတစ်စက္ကန့်လျှင်အကြိမ် 1000 နှုန်းဖြင့်သိပ္ပံပညာ၏အနှစ်ဖန်တွေကိုဖော်ပြနေသည်ဟုကဗျာဆရာများဟုကဗျာဆရာများပြောနိုင်သည်။

Kalman Filters များကိုအာကာသဂြိုဟ်တုများအား ApboDites ၏ Ongalites of Space Sawellites ၏ဘူတာများတွင်အသုံးပြုခဲ့သည်။ ခေတ်သစ် Microlocontrollers သည် algorithm ကိုအချိန်မှန်နှင့် run နိုင်သည့်အတွက်၎င်းတို့သည်စက်ရုပ်များတွင်ပိုမိုလူကြိုက်များလာသည်။