- Kalman filter का उपयोग अधूरी और अविश्वसनीय सूचना स्रोतों को मिलाकर अधिक सटीक अनुमान तैयार करने के लिए किया जाता है.
- Kalman filter की ज़रूरत इसलिए पड़ती है क्योंकि वास्तविक दुनिया की परिस्थितियाँ परफ़ेक्ट नहीं होतीं और sensor हमेशा विश्वसनीय नहीं होते.
- लेख में दिया गया code दिखाता है कि Python में Kalman filter को कैसे implement किया जा सकता है.
- परिणाम दिखाते हैं कि Kalman filter से मिला संयुक्त position estimate, केवल velocity या sensor-स्वतंत्र estimate से बेहतर है.
- Kalman filter की सैद्धांतिक नींव काफ़ी रोचक है, और code के ज़रिए इसे बेहतर तरीके से समझा जा सकता है.
- Gaussian function एक विशेष function है जिसका उपयोग Kalman filter में किया जाता है.
- Gaussian function 0 के आसपास random numbers उत्पन्न करता है, और दूसरा parameter यह नियंत्रित करता है कि 0 से दूर जाने की probability कितनी होगी.
- standard deviation कहलाने वाला दूसरा parameter, मापी जा रही quantity में variation की मात्रा को नियंत्रित करता है.
- Gaussian function के histogram का आकार प्रकृति में आम तौर पर दिखने वाले घंटी-आकार के distribution का अनुसरण करता है.
- variance, consistency का एक माप है; कम variance consistency को दर्शाता है और अधिक variance variation को दर्शाता है.
- variance के उदाहरण में पहली image दिखाती है कि distribution चौड़ा है, इसलिए variance अधिक है; दूसरी image दिखाती है कि distribution संकरा है, इसलिए variance कम है.
1 टिप्पणियां
Hacker News टिप्पणियाँ