Baru-baru ini saya menerapkan filter Kalman pada contoh sederhana mengukur posisi partikel dengan kecepatan dan percepatan acak. Saya menemukan bahwa filter Kalman bekerja dengan baik, tetapi saya kemudian bertanya pada diri sendiri apa perbedaan antara ini dan hanya melakukan rata-rata bergerak? Saya menemukan bahwa jika saya menggunakan jendela sekitar 10 sampel yang rata-rata bergerak mengungguli filter Kalman dan saya mencoba untuk menemukan contoh ketika menggunakan filter Kalman memiliki keuntungan untuk hanya menggunakan rata-rata bergerak.
Saya merasa rata-rata bergerak jauh lebih intuitif daripada filter Kalman dan Anda dapat menerapkannya secara membabi buta pada sinyal tanpa khawatir tentang mekanisme ruang-negara. Saya merasa seperti kehilangan sesuatu yang mendasar di sini, dan akan menghargai bantuan yang bisa ditawarkan seseorang.
sumber
Jawaban:
Estimasi yang diberikan oleh moving average akan tertinggal dari kondisi sebenarnya.
Katakanlah Anda ingin mengukur ketinggian pesawat yang naik dengan kecepatan konstan dan Anda memiliki pengukuran ketinggian yang berisik (Gaussian). Rata-rata dalam interval waktu pengukuran ketinggian berisik cenderung memberi Anda perkiraan yang baik tentang di mana pesawat berada di tengah interval waktu itu .
Jika Anda menggunakan interval waktu yang lebih besar untuk rata-rata bergerak Anda, rata-rata akan lebih akurat tetapi akan memperkirakan ketinggian pesawat pada waktu sebelumnya. Jika Anda menggunakan interval waktu yang lebih kecil untuk rata-rata bergerak Anda, rata-rata akan kurang akurat tetapi akan memperkirakan ketinggian pesawat pada waktu yang lebih baru.
Yang mengatakan, lag dari rata-rata bergerak mungkin tidak menimbulkan masalah di beberapa aplikasi.
sunting: posting ini menanyakan pertanyaan yang sama dan memiliki lebih banyak respons dan sumber daya
sumber
Saya menemukan bahwa menggunakan parameter asli yang saya gunakan untuk mengatur masalah, rata-rata bergerak berkinerja lebih baik, tetapi ketika saya mulai bermain dengan parameter yang menentukan model dinamis saya, saya menemukan Kalman Filter berkinerja lebih baik. Sekarang saya memiliki pengaturan sesuatu untuk melihat efek parameter bermain, saya pikir saya akan mendapatkan intuisi yang lebih baik tentang apa yang sebenarnya terjadi. Terima kasih kepada mereka yang menjawab dan menyesal jika pertanyaan saya tidak jelas.
sumber