Kalman Filter Dijelaskan Secara Sederhana

Kalman Filter Dijelaskan Secara Sederhana

• Sebagian besar tutorial tentang Kalman filter sulit dipahami karena memerlukan teknik matematika tingkat lanjut.
• Kalman filter dapat digunakan tanpa harus memahami cara menurunkannya.
• Siapa pun dapat memahami Kalman filter jika dijelaskan dalam bagian-bagian kecil yang mudah dicerna.

Gambaran Besar Kalman Filter

• Kalman filter dapat dipandang sebagai kotak hitam dengan input dan output.
• Input-nya adalah pengukuran yang bercampur noise dan kadang tidak akurat, sedangkan output-nya adalah estimasi yang lebih sedikit noise dan kadang lebih akurat.
• Kalman filter dapat mengestimasi parameter keadaan sistem yang tidak diamati atau tidak diukur.

Apa Itu Kalman Filter?

• Kalman filter adalah algoritma umum yang digunakan untuk mengestimasi parameter sistem.
• Dengan menggunakan pengukuran yang tidak akurat atau ber-noise, algoritma ini dapat mengestimasi keadaan variabel tersebut atau variabel lain yang tidak dapat diamati dengan lebih akurat.
• Sebagai contoh, Kalman filter digunakan dalam pelacakan objek, estimasi berat badan pada timbangan digital, serta kontrol panduan dan navigasi.

Ikhtisar Algoritma Kalman Filter

• Terdapat diagram proses yang menunjukkan alur langkah demi langkah dari algoritma Kalman filter.
• Disediakan tabel variabel-variabel yang digunakan dalam algoritma.

Tutorial Pelacakan Radar dengan Kalman Filter

• Dijelaskan proses langkah demi langkah bagaimana Kalman filter melacak pesawat dan objek di dekat bandara.
• Status pelacakan keluaran ditampilkan kepada operator pengatur lalu lintas udara yang memantau area di sekitar bandara.

Notasi dalam Tutorial Kalman Filter

• Setiap radar memiliki fungsi yang berbeda dan menyediakan berbagai jenis informasi.
• Dalam contoh ini, radar mengeluarkan pengukuran dalam koordinat Kartesius 2D.

Inisialisasi Keadaan Sistem

• Inisialisasi keadaan sistem pada Kalman filter berbeda-beda tergantung aplikasinya.
• Dalam tutorial ini, keadaan sistem diinisialisasi dengan pengukuran pertama.

Reinisialisasi Keadaan Sistem

• Estimasi keadaan sistem diinisialisasi ulang karena diperlukan pengukuran posisi kedua untuk mengestimasi kecepatan.

Catatan Singkat tentang Inisialisasi

• Pengukuran pertama dan kedua digunakan untuk menginisialisasi dan menginisialisasi ulang estimasi sistem.

Prediksi Estimasi Keadaan Sistem

• Saat pengukuran ketiga diterima, estimasi keadaan sistem diprediksi dan dipropagasikan agar selaras dengan pengukuran dan waktu.

Tentang Matriks Q

• Matriks Q merepresentasikan noise proses dari model sistem.

Tentang Matriks H

• Kalman filter menggunakan matriks H untuk mengubah estimasi keadaan sistem dari ruang keadaan ke ruang pengukuran.

Perhitungan Kalman Gain

• Kalman filter menghitung Kalman gain untuk pengukuran baru guna menentukan seberapa besar pengaruh pengukuran input terhadap estimasi keadaan sistem.

Estimasi Keadaan Sistem dan Matriks Kovarians Galat Keadaan Sistem

• Kalman filter menggunakan Kalman gain untuk mengestimasi keadaan sistem dan matriks kovarians galat pada waktu pengukuran input.

Langkah Selanjutnya

• Kalman filter adalah proses umum untuk memperoleh estimasi keadaan yang optimal.
• Algoritma ini digunakan dalam berbagai aplikasi yang memerlukan estimasi akurat.

Pendapat GN⁺:

• Kalman filter adalah algoritma penting yang banyak digunakan di sistem real-time dan robotika, bidang-bidang yang sangat membutuhkan informasi akurat.
• Prinsip kerja Kalman filter dapat dipahami tanpa turunan matematika yang rumit, sehingga dapat diakses bahkan oleh software engineer pemula.
• Artikel ini menjelaskan konsep Kalman filter dengan cara yang disederhanakan, sehingga memberikan wawasan tentang bagaimana algoritma ini dapat diterapkan pada masalah dunia nyata.