O que é ruído de medição (R)?

Representa o quanto você confia no seu sensor. Um R mais alto significa que o sensor está barulhento, portanto o filtro confiará mais em suas previsões internas.

← Todas as Ferramentas

Diversos

Filtro Kalman – Serviço de suavização de dados em tempo real | CalcTools

Preveja e suavize dados de sensores ruidosos usando um filtro de Kalman recursivo. Serviço profissional para engenharia e robótica.

Os sensores raramente são perfeitos; eles produzem dados barulhentos e instáveis que podem arruinar cálculos precisos. O Filtro de Kalman é o algoritmo padrão ouro para estimar o estado 'verdadeiro' de um sistema a partir de uma série de medições ruidosas. Usado em tudo, desde navegação GPS até controles de aeronaves e robótica, esse filtro recursivo prevê valores futuros e os atualiza com base em novas evidências. Nosso serviço Kalman fornece uma simulação de alto desempenho dessa lógica, permitindo ver como diferentes parâmetros de ruído afetam o rastreamento de um alvo em movimento.

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

Como funciona

O filtro opera em duas fases: 'Prever' e 'Atualizar'. Primeiro, ele projeta o estado atual no tempo e depois ajusta essa projeção com base na nova medição. O 'Ganho de Kalman' determina quanto peso dar aos novos dados em relação à previsão.

Fórmula de cálculo

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

Exemplos de cálculo

1. **GPS**: suaviza dados de coordenadas instável para mostrar um caminho limpo. 2. **Robótica**: Estimativa de uma posição conjunta a partir de um codificador ruidoso. 1. **GPS**: suaviza dados de coordenadas instável para mostrar um caminho limpo. 2. **Robótica**: Estimativa de uma posição conjunta a partir de um codificador ruidoso.

Por que usar essa ferramenta no seu dia a dia?

A precisão é importante. Este serviço permite que você domine a complexidade do processamento de sinais, fornecendo os dados filtrados necessários para engenharia de alto risco e modelagem em tempo real.