Du har ju från föregående steg en prediktion som ett beskriver en normalfördelning kring en prediktera punkt. Är din observation osannolik (med en viss sannolikhetsgräns) i denna normalfördelning är det ju tveksamt om den ska accepteras. Du bör ju ha en funktion i språket du använder för att få fram sannolikheten för ett värde givet en fördelning.
Du har ju från föregående steg en prediktion som ett beskriver en normalfördelning kring en prediktera punkt. Är din observation osannolik (med en viss sannolikhetsgräns) i denna normalfördelning är det ju tveksamt om den ska accepteras. Du bör ju ha en funktion i språket du använder för att få fram sannolikheten för ett värde givet en fördelning.
Jag har kovariansmatrisen P som beskriver diagonalen med standardavvikelser, men jag vet inte vilka standardavvikelser det kan var. Om det är felet på mätningen, eller felet på estimeringen.
Men kovariansmatrisen borde man väll kunna använda för att avgöra om observationen (vad det nu kan vara??) är utanför felmarginalen?
Min modell är en tillståndsmodell. Ett problem med den är att ibland så finns det 1 insignal, ibland 2 insignaler och ibland 3 och i vissa unika fall så kan det finns 4 insignaler.
Det jag gör är att jag mäter avstånd till väggarna. Ibland har rummet bara 3 väggar, ibland bara 1 vägg som givaren ser.
Min modell är en tillståndsmodell. Ett problem med den är att ibland så finns det 1 insignal, ibland 2 insignaler och ibland 3 och i vissa unika fall så kan det finns 4 insignaler.
Det jag gör är att jag mäter avstånd till väggarna. Ibland har rummet bara 3 väggar, ibland bara 1 vägg som givaren ser.
Alla Kalman filter är tillståndsmodeller, jag pratar om den matematiska modellen ditt filter implementerar.
Menar du att mätningarna är insignalen? För det är inte enligt gängse terminologi i så fall.
Om du menar att du har ett varierande antal mättsignaler så är det inte ett problem, du kan hantera dem en i taget, det är matematiskt ekvivalent
Alla Kalman filter är tillståndsmodeller, jag pratar om den matematiska modellen ditt filter implementerar.
Menar du att mätningarna är insignalen? För det är inte enligt gängse terminologi i så fall.
Om du menar att du har ett varierande antal mättsignaler så är det inte ett problem, du kan hantera dem en i taget, det är matematiskt ekvivalent
B matrisen ser ut som [0; d; 0]. C och D har jag inte definierat. Det är inte jag som har skapat denna modell, så jag vet inte vad den kommer ifrån.
Jag skulle tänka mig att avstånden från givaren till väggen är y och vinkeln på givaren är u. Insignalen är alltid en signal. Men utsignalerna kan vara flera.
Men modellvalet borde kanske inte vara så svårt? Jag menar, en modell är väll bara ett typ av "filter" t.ex. logpassfilter. Modellen ska ju bara "sega" ned signalen.
