カルマンフィルターを理解する
カルマンフィルターを活用する実際の状況を紹介します。カルマンフィルターは、不確実で間接的な測定値が存在するシステム内部の状態を最適に推定するためによく利用されています。初歩的な例を通じて、カルマンフィルターの動作原理を学習しましょう。
カルマンフィルターが一般的に利用される状況を紹介します。システムの状態を間接的にしか測定できない場合でも、カルマンフィルターを用いてシステムの状態を最適に推定することができます。また、異なるセンサーからの測定値が利用可能であってもノイズの影響を受ける場合には、カルマンフィルターを用いて複数のセンサーからのデータを統合 (センサーフュージョン) することで、対象となるパラメーターの最適な推定値を求めることができます。
いくつかの簡単な数式を使った例を紹介しながら、状態オブザーバーについても解説します。これは、カルマンフィルターの概要と仕組みの理解に役立ちます。大まかには、カルマンフィルターは最適状態推定器の一種です。このビデオシリーズでは、拡張カルマンフィルターやアンセンテッド カルマンフィルターなどの非線形状態推定器についても解説します。
最後に、カルマンフィルター、MATLAB®、Simulink® を使用して、線形システムの状態を推定する方法を例を通じて紹介します。
カルマンフィルターを理解する パート 1：なぜカルマンフィルターを使うのか?
いくつかの例を通して、カルマンフィルターの代表的な用途を紹介します。カルマンフィルターは、間接的で不確かな測定値からシステムの状態を推定するために使用される最適推定アルゴリズムです。
カルマンフィルターを理解する パート 2： 状態オブザーバー
状態オブザーバーの動作原理と、その背景にある数理を解説します。状態オブザーバーは、直接測定できないシステムの内部状態を推定するために用いられます。
カルマンフィルターの仕組みについて説明します。カルマンフィルターは、予測された状態とノイズを含む測定値という 2 つの情報を組み合わせて、最適で偏りのない状態推定値を算出します。
カルマンフィルターのアルゴリズムを実装するために必要な一連の方程式を紹介します。
このビデオでは、拡張カルマンフィルター、アンセンテッド カルマンフィルター、粒子フィルターを含む非線形状態推定器の基本概念について解説します。
Simulink のカルマンフィルターを使用して単純な振子システムの角度を推定します。システムモデル、初期状態推定値、ノイズ特性といった Kalman Filter ブロックのパラメーターを設定する方法について学びます。
拡張カルマンフィルターを使用して非線形振子システムの角度を推定します。状態遷移や測定関数といった Extended Kalman Filter ブロックのパラメーターを設定して、C/C++ コードを生成する方法について学びます。
