Het geeft aan hoeveel u uw sensor vertrouwt. Een hogere R betekent dat de sensor ruisig is, dus het filter zal meer vertrouwen op zijn interne voorspellingen.

Kalmanfilter – Realtime datasmoothing-service | CalcTools

Voorspel en smooth ruisige sensorgegevens met behulp van een recursief Kalmanfilter. Professionele service voor engineering en robotica.

Sensoren zijn zelden perfect; ze produceren ruisige, trillende gegevens die nauwkeurige berekeningen kunnen verpesten. Het Kalmanfilter is het gouden standaardalgoritme voor het schatten van de 'ware' toestand van een systeem op basis van een reeks ruisige metingen. Gebruikt in alles, van GPS-navigatie tot vliegtuigbesturing en robotica, voorspelt dit recursieve filter toekomstige waarden en werkt deze bij op basis van nieuw bewijs. Onze Kalman-service biedt een krachtige simulatie van deze logica, zodat u kunt zien hoe verschillende ruisparameters het volgen van een bewegend doel beïnvloeden.

Process Noise (Q)

0.1

Represents how much we trust our mathematical model vs sensor.

Sensor Noise (R)

Represents the error/variance in the raw measurements.

True State

State Estimation Chart

Real-time recursive processing

RAW DATA

KALMAN

TRUE

Recursive Logic

Predict

The filter projects the current state and uncertainty forward in time.

Gain

It calculates the weight given to the new measurement (K).

Correct

It blends the prediction with the actual sensor data.

Academic Insight

Notice how the Kalman estimate (Blue line) eventually stabilizes near the true value (Dashed line) despite the heavy sensor noise (Rose line). This tool demonstrates the "Optimal Estimator" theory used in Apollo moon missions and modern self-driving cars.

Final Error Covariance (P)

0.4

Hoe het werkt

Het filter werkt in twee fasen: 'Voorspellen' en 'Bijwerken'. Het projecteert eerst de huidige toestand in de tijd en past die projectie vervolgens aan op basis van de nieuwe meting. De 'Kalman-versterking' bepaalt hoeveel gewicht er aan de nieuwe gegevens moet worden gegeven ten opzichte van de voorspelling.

Berekeningsformule

K = P / (P + R); X = X + K * (Z - X); P = (1 - K) * P

Rekenvoorbeelden

1. **GPS**: het gladstrijken van trillende coördinatengegevens om een schoon pad te tonen. 2. **Robotica**: het schatten van een gewrichtspositie op basis van een lawaaierige encoder.

Waarom zou u deze tool in uw dagelijks leven gebruiken?

Precisie is belangrijk. Met deze service kunt u de complexiteit van signaalverwerking beheersen en de gefilterde gegevens leveren die nodig zijn voor risicovolle engineering en realtime modellering.