Kalman Filtre öğrenmek için iyi bir kitap veya referans

Kalman filtresinde tamamen yeniyim. Koşullu olasılık ve doğrusal cebir hakkında bazı temel dersler aldım. Birisi iyi bir kitap veya web üzerinde Kalman Filtre işlemini anlamama yardımcı olabilecek herhangi bir kaynak önerebilir mi?

Çoğu web sitesi doğrudan formül ve ne anlama geldiği ile başlar, ancak türetilmesiyle daha fazla ilgileniyorum veya ayrıntı türetme değilse, en azından her işlem ve parametrenin fiziksel önemi.

Yıllar önce bu öğreticiyi Kalman filtresine yazdım . Filtreyi hem geleneksel matris yaklaşımını kullanarak elde eder hem de istatistiksel varsayımlarını 'en uygun' en küçük kareler filtresi olarak gösterir.

Bu Kalman filtresinin güzel bir yazısı gibi görünüyor.

Ben de bir kitap arıyordum, gerçek yaşamda kalman filtrelemeyi öğrenmek ve uygulamak için gerekli olan temel bilgileri kapsamak için. Şimdiye kadar seçimimi sonlandırdım:

Kalman Filtrelemenin Temelleri: Pratik Bir Yaklaşım (Uzay ve Havacılıkta İlerleme) Paul Zarchan

Sanırım bu tek olmalı ve şimdi sipariş ediyorum. :)

İyi bir 3 bölümden oluşan Youtube Videoları (her biri ~ 10 dakika), Kalman Filtresinin sezgisel bir şekilde anlaşılmasını sağlar.

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

Unutulmaması gereken bir şey, Kalman Filtre denklemlerini türetmenin çeşitli yolları olduğu ve her yöntemin size nasıl çalıştığına dair farklı bir bakış açısı sağladığıdır. Bu algoritmayı içselleştirmenize yardımcı olmak için 2-3 farklı türevi incelemenizi öneririm.

Son zamanlarda Mandic, Danilo P. ve Kanna, Sithan ve Constantinides, Anthony G. , IEEE Sinyal işleme dergisinde " En Küçük Ortalama Kare ve Kalman Filtreleri Arasındaki Gerçek İlişki Üzerine " isimli kitabını yayınladı :

Kalman filtresi ve en az ortalama kare (LMS) uyarlanabilir filtre, bir dizi istatistiksel sinyal işleme uygulamasında sıklıkla birbirinin yerine kullanılan en popüler uyarlanabilir tahmin algoritmalarından ikisidir. Bunlar tipik olarak ayrı varlıklar olarak ele alınır, birincisi en uygun Bayes kestiricisinin gerçekleştirilmesi ve ikincisi en uygun Wiener filtreleme sorununa özyinelemeli bir çözüm olarak ele alınır. Bu ders notunda, en iyi stokastik gradyan iniş adaptasyonu için gerekli özgürlük derecelerini analiz ederek elde edilen Kalman filtreleme ve LMS tipi algoritmalar üzerine ortak bir bakış açısı geliştirdiğimiz bir sistem tanımlama çerçevesini ele alıyoruz. Bu yaklaşım, Bayesci istatistik kavramı olmadan Kalman filtrelerinin kullanılmasına izin verir,

MATLAB kullanarak Kalman Teorisi ve uygulamasını öğrenmek için çok iyi bir kitap burada

Bence en iyi kaynak Wikipedia sayfası. İşte Wikipedia sayfasında verilen aynı notasyonlarla Kalman Filtresinin minimal ve basit bir uygulaması: https://github.com/zziz/kalman-filter