Kalman Filter를 배우기에 좋은 책이나 참조 서

나는 칼만 필터를 완전히 처음 사용했습니다. 조건부 확률과 선형 대수에 대한 몇 가지 기본 과정을 밟았습니다. 누군가 Kalman Filter 작동을 이해하는 데 도움이되는 좋은 책이나 웹상의 리소스를 제안 할 수 있습니까?

대부분의 웹 사이트는 공식과 의미로 직접 시작하지만 파생에 관심이 있거나 세부 파생이 아닌 경우 각 작업 및 매개 변수의 물리적 중요성에 더 관심이 있습니다.

몇 년 전 나는 칼만 필터 에이 튜토리얼 을 썼습니다 . 이 필터는 기존의 매트릭스 방식과 필터를 '최적'최소 제곱 필터로 통계적 가정을 보여줍니다.

이것은 Kalman 필터를 잘 작성한 것으로 보입니다.

실제 상황에서 칼만 필터링을 배우고 구현하는 데 필요한 기본 사항을 다루는 데 가장 적합한 책을 찾고있었습니다. 지금까지 나는 이것에 대한 나의 선택을 마무리했다.

칼만 필터링의 기본 사항 : Paul Zarchan의 실용적 접근 (우주 및 우주 비행)

나는 이것이 하나라고 생각하고 지금 주문하고 있습니다. :)

유튜브 비디오의 좋은 3 부 시리즈 (각각 10 분)는 칼만 필터에 대한 직관적 인 이해를 제공합니다.

http://www.youtube.com/watch?v=FkCT_LV9Syk .

한 가지 주목할 점은 칼만 필터 방정식을 도출하는 다양한 방법이 있으며 각 방법은 작동 방식에 대한 다른 관점을 제공한다는 것입니다. 따라서이 알고리즘을 내재화하는 데 도움이되도록 2 ~ 3 개의 서로 다른 파생을 살펴 보는 것이 좋습니다.

최근 Mandic, Danilo P., Kanna, Sithan 및 Constantinides, Anthony G. 는 IEEE 신호 처리 잡지에서 " 최소 평균 제곱과 칼만 필터의 고유 한 관계에 대해 "를 발표 했습니다.

칼만 필터 및 최소 평균 제곱 (LMS) 적응 필터는 다수의 통계 신호 처리 애플리케이션에서 종종 상호 교환 적으로 사용되는 가장 보편적 인 적응 추정 알고리즘 중 두 가지이다. 그것들은 일반적으로 최적의 베이지안 추정기의 실현으로, 후자는 최적의 위너 필터링 문제에 대한 재귀 적 해결책으로서 실현되는 개별 엔티티로 취급된다. 이 강의 노트에서 우리는 최적의 확률 적 경사 하강 적응에 필요한 자유도를 분석함으로써 달성 된 칼만 필터링 및 LMS 유형 알고리즘에 대한 공동 관점을 개발하는 시스템 식별 프레임 워크를 고려합니다. 이 방법을 사용하면 베이지안 통계 개념없이 칼만 필터를 도입 할 수 있습니다.

MATLAB을 사용하여 칼만 이론과 구현 을 배울 수있는 아주 좋은 책 이 있습니다

가장 좋은 리소스는 Wikipedia 페이지입니다. 다음은 Wikipedia 페이지에서 제공되는 것과 동일한 표기법으로 Kalman Filter를 최소로 간단하게 구현 한 것입니다. https://github.com/zziz/kalman-filter