Trang 3/10 đầuđầu 12345 ... cuốicuối
kết quả từ 21 tới 30 trên 99
  1. #21
    Tham gia
    Jan 2008
    Nơi Cư Ngụ
    HCM City University Of Technology
    Bài viết
    264
    Thanks
    64
    Thanked 120 Times in 46 Posts
    Blog Entries
    1

    Cool

    Trích Nguyên văn bởi tantd Xem bài viết
    Bạn sử dụng 1 xung nhịp mẫu = 1 bước lọc Kalman là 1 thao tác hết sức tự nhiên. Với các ứng dụng nho nhỏ như đo nhiệt độ thì mình nghĩ ko vấn để gì (nhất là yêu cầu về tần số lấy mẫu cũng không cần cao).
    Còn với các trường hợp mà để thực hiện 1 bước lặp Kalman mất nhiều thời gian hơn 1 lần lấy mẫu thì 1 bước lặp Kalman ứng với n lần lấy mẫu.
    Còn với các ứng dụng như dự báo thời tiết, dự báo lũ thì 1 lần lấy mẫu lại cần nhiều bước lặp Kalman ---> "Đừng có nói vói em bác cho kalman dự báo giá trị nhiệt độ ở giữa hai lần lấy mẫu nhé! Oh! My Gold!" --> với nhiệt độ thì làm như bạn là ổn rồi.

    Mình thấy bạn cũng hiểu KF được đấy, gv DSP của bạn ở ĐHBK là ai vậy , có phải thầy Quốc trung ko?
    Em chỉ có làm bộ lọc Kalman cho hệ thống định vị GPS và cho mấy cái hệ thống định vị Indoor xài kỹ thuật RSSI để đo khoảng cách thôi. Nhưng chỉ là mô phỏng kênh truyền rồi xử lý chưa có làm phần cứng nổi. Giáo vien DSP của em la PGS. Lê Tiến Thường
    Study smarter, not harder

  2. #22
    Tham gia
    Nov 2008
    Nơi Cư Ngụ
    UET,VNUH
    Bài viết
    349
    Thanks
    22
    Thanked 145 Times in 93 Posts

    Mặc định

    Ừa, bạn ở HCMUT phải không, mình cứ nhầm là HN. Thấy bạn thảo luận thế mình cũng nghĩ bạn đã từng dùng KF rồi.
    Nếu bạn có thời gian, mong bạn mô tả cái project bạn đang làm kỹ hơn nhé, để mọi người được biết thêm.

  3. #23
    Tham gia
    Jan 2008
    Nơi Cư Ngụ
    HCM City University Of Technology
    Bài viết
    264
    Thanks
    64
    Thanked 120 Times in 46 Posts
    Blog Entries
    1

    Mặc định

    Trích Nguyên văn bởi tantd Xem bài viết
    Ừa, bạn ở HCMUT phải không, mình cứ nhầm là HN. Thấy bạn thảo luận thế mình cũng nghĩ bạn đã từng dùng KF rồi.
    Nếu bạn có thời gian, mong bạn mô tả cái project bạn đang làm kỹ hơn nhé, để mọi người được biết thêm.
    Cảm ơn anh đã có "hứng thú" với cái Project của em. Để hôm nào em tìm lại đầy đủ , rồi tổng hợp mới pót lên được a.
    Study smarter, not harder

  4. #24
    Tham gia
    Jan 2008
    Nơi Cư Ngụ
    HCM City University Of Technology
    Bài viết
    264
    Thanks
    64
    Thanked 120 Times in 46 Posts
    Blog Entries
    1

    Mặc định Kalman mở rộng

    Post cái hình lên trước mồi chài coi có bác nào viết hay ko?
    A. Thịnh hay A.F viết đều hay cả, hai anh dành chút thời gian viết cho mọi người đi. Em thấy cai thread này nó Rank lên tới 5 sao lận, chắc là nhiều người quan tâm.


    Lần sửa cuối bởi DuLong; 03/01/2009 lúc 01:07
    Study smarter, not harder

  5. #25
    Tham gia
    Jan 2008
    Nơi Cư Ngụ
    HCM City University Of Technology
    Bài viết
    264
    Thanks
    64
    Thanked 120 Times in 46 Posts
    Blog Entries
    1

    Mặc định

    1. Overview:
    Hâm nóng lại chút xíu để anh em nào mới nghiên cứu về Kalman dễ theo dõi.

    Nói chung đây là cái mô hình chung của các bộ lọc:



    Vậy thì bộ lọc Kalman khác những bộ lọc khác ở chỗ nào?
    Đáp: Ngõ ra của bộ lọc Kalman ko phải là tín hiệu cùng loại với tín hiệu cảm biến ( sau khi đã loại nhiễu) như những bộ lọc khác mà ngõ ra của nó chính là Ước lượng ( ước đoán, dự đoán..) tối ưu của vector trạng thái.

    Vậy thì một câu hỏi nữa : Tối ưu theo tiêu chuẩn nào?
    Đáp: Thuật toán Kalman đi tìm giá trị tối ưu cho ước lượng trạng thái dựa trên tiêu chuẩn hiệp phương sai của độ lệch trung bình (giữa giá trị thật và giá trị ước đoán) là nhỏ nhất.

    2. Kalman Tuyến Tính:

    Bộ lọc Kalman Tuyến tính áp dụng cho hệ thống động rời rạc tuyến tính, có thể mô tả bằng cặp phương trình đặc trưng bên dưới. Trong đó:
    -Phương trình 8.1 được gọi là phương trình tiến triển hay phương trình biến đổi trạng thái.
    -Phương trình 8.2 gọi là phương trình quan sát, hay phương trình đo lường.



    Lưu đồ bên tay phải chính là sơ đồ dòng chảy tín hiệu cho hệ thống động rời rạc sử dụng Kalman. Còn dưới đây là các bước lặp Kalman, để có thể áp dụng Kalman cho một hệ thống cụ thể có mỗi một việc khó khăn cần làm: Mô hình hoá hệ thống đó để rút ra các ma trân đặc trưng cho phép lặp Kalman


    3. Kalman Phi Tuyến ( Hay Kalman mở rộng) :

    Trong thực tế thì hệ thống phi tuyến mới là phổ biến ( biến đổi trạng thái phi tuyến hay sự quan sát phi tuyến ). Mà bộ lọc Kalman tuyến tính thì chỉ áp dụng được cho hệ thống tuyến tính do đó người ta phải tìm cách đưa cách bài toán phi tuyến đó về tuyến tính.

    Hệ thống phi tuyến được mô tả bởi các phương trình 9.1.1 & 9.1.2, còn 9.1.3 & 9.1.4 là các ước lượng " ko nhiễu" của hệ thống, sử dụng khai triển Taylor để tính xấp xỉ sẽ cho ra các phương trình 9.1.5 & 9.1.6, chuyển các ươc lượng ko nhiễu qua vế trái các bạn sẽ thấy nó có dạng như 8.1& 8.2



    Dưới đây là các bước lặp cho Extended Kalman Filter ( kalman mở rộng). Các bạn để ý sẽ có khác biệt nhỏ so với Kalman tuyến tính, và chú ý rằng cách ma trận đặc trưng ở đây là các đạo hàm riêng cấp 1.



    Chỉ giới thiệu với các bạn cái nhìn chung về Kalman thôi, còn ý nghĩa của từng ma trận đặc trưng cũng như các vấn đề khác các bạn có thể tìm hiểu trong quyển " An Introduction To The Kalman Filter. " của Grey Welch & Gary Bishop.Technical Report TR 95-041. (2001).

    P/s: Em ko biết các Resize lại mấy tấm hình nên anh Ẹc-min giúp em cái nì cho bài viết nó dễ đọc ạ. Thanks!
    Lần sửa cuối bởi DuLong; 11/01/2009 lúc 01:10
    Study smarter, not harder

  6. The Following User Says Thank You to DuLong For This Useful Post:

    tantd (12/01/2009)

  7. #26
    Tham gia
    Nov 2008
    Nơi Cư Ngụ
    UET,VNUH
    Bài viết
    349
    Thanks
    22
    Thanked 145 Times in 93 Posts

    Mặc định

    Hay đó DuLong, nếu bạn có thời gian, mong bạn tóm tắt thêm về 1 số KF khác nhé, vd như:

    1. Particle KF
    2. Unscented KF
    3. Ensemble KF

  8. #27
    Tham gia
    Jan 2008
    Nơi Cư Ngụ
    HCM City University Of Technology
    Bài viết
    264
    Thanks
    64
    Thanked 120 Times in 46 Posts
    Blog Entries
    1

    Mặc định

    Trích Nguyên văn bởi tantd Xem bài viết
    Hay đó DuLong, nếu bạn có thời gian, mong bạn tóm tắt thêm về 1 số KF khác nhé, vd như:

    1. Particle KF
    2. Unscented KF
    3. Ensemble KF
    He he mấy cái đó em ko rành lắm, vì ko có sử dụng. Hình như có rất nhiều biến thể. ( Fuzzy Kalman, Bayesian Kalman nua thi phải

    Như ta đã biết, nhiễu phân bố dùng trong bộ lọc Kalman phải là nhiễu Gaussian. Nhưng một số trường hợp mình muốn sử dụng Kalman cho phân bố nhiễu khác Gaussian thì có được ko ạ? Và cách biến đổi cách phương trình Kalman khi đó như thế nao? ( Chẳng hạn nhiễu Fading thì thường ko có phân bố Gaussian)
    Study smarter, not harder

  9. #28
    Tham gia
    Nov 2008
    Nơi Cư Ngụ
    UET,VNUH
    Bài viết
    349
    Thanks
    22
    Thanked 145 Times in 93 Posts

    Mặc định

    Trích Nguyên văn bởi DuLong Xem bài viết
    He he mấy cái đó em ko rành lắm, vì ko có sử dụng. Hình như có rất nhiều biến thể. ( Fuzzy Kalman, Bayesian Kalman nua thi phải

    Như ta đã biết, nhiễu phân bố dùng trong bộ lọc Kalman phải là nhiễu Gaussian. Nhưng một số trường hợp mình muốn sử dụng Kalman cho phân bố nhiễu khác Gaussian thì có được ko ạ? Và cách biến đổi cách phương trình Kalman khi đó như thế nao? ( Chẳng hạn nhiễu Fading thì thường ko có phân bố Gaussian)
    : ) có thể gợi ý 1 trong các cách: ví dụ nhiễu đầu vào của Dulong ko phải là Gauss (gọi là n1) nhưng bạn có thể coi đó là đầu ra của 1 hệ thống mà có đầu vào là Gauss (gọi là n0)

    n0---> Hệ thống ---> n1 ----> Hệ thống của Dulong

  10. The Following User Says Thank You to tantd For This Useful Post:

    DuLong (12/11/2009)

  11. #29
    Tham gia
    Jan 2008
    Nơi Cư Ngụ
    HCM City University Of Technology
    Bài viết
    264
    Thanks
    64
    Thanked 120 Times in 46 Posts
    Blog Entries
    1

    Mặc định

    Trích Nguyên văn bởi tantd Xem bài viết
    : ) có thể gợi ý 1 trong các cách: ví dụ nhiễu đầu vào của Dulong ko phải là Gauss (gọi là n1) nhưng bạn có thể coi đó là đầu ra của 1 hệ thống mà có đầu vào là Gauss (gọi là n0)

    n0---> Hệ thống ---> n1 ----> Hệ thống của Dulong
    Anh tantd có thể nói rõ hơn về ý tưởng này không?
    Em muốn sử dụng Kalman cho ứng dụng định vị Indoor, mà như ta đã biết trong môi trường Indoor phân bố nhiễu phức tạp và thông thường là Non-Gaussian. Em đang suy nghĩ hướng.
    1. Biến đổi các phương trình Kalman-> cái này hơi nặng về toán, đã thử biến đối nhưng chưa ra nổi.
    2. Dùng thêm một modun trung gian nào đó.-> chưa nghĩ ra cấu trúc, đã nghĩ tới việc dùng 2 bộ lọc Kalman lồng vào nhau nhưng vẫn ko ra hướng.

    Có hai quyển này đúng cái mà em đang quan tâm. Nếu anh có account spring xin load hộ em.

    1.A New Extension of Kalman Filter to Non-Gaussian Priors

    http://www.springerlink.com/content/l421012150037317/

    2.Nonlinear Filtering of Non-Gaussian Noise

    http://www.springerlink.com/content/ru804w3011563275/

    Thanks anh!
    Study smarter, not harder

  12. #30
    Tham gia
    Nov 2008
    Nơi Cư Ngụ
    UET,VNUH
    Bài viết
    349
    Thanks
    22
    Thanked 145 Times in 93 Posts

    Mặc định

    Trích Nguyên văn bởi DuLong Xem bài viết
    Anh tantd có thể nói rõ hơn về ý tưởng này không?
    Em muốn sử dụng Kalman cho ứng dụng định vị Indoor, mà như ta đã biết trong môi trường Indoor phân bố nhiễu phức tạp và thông thường là Non-Gaussian. Em đang suy nghĩ hướng.
    1. Biến đổi các phương trình Kalman-> cái này hơi nặng về toán, đã thử biến đối nhưng chưa ra nổi.
    2. Dùng thêm một modun trung gian nào đó.-> chưa nghĩ ra cấu trúc, đã nghĩ tới việc dùng 2 bộ lọc Kalman lồng vào nhau nhưng vẫn ko ra hướng.

    Có hai quyển này đúng cái mà em đang quan tâm. Nếu anh có account spring xin load hộ em.

    1.A New Extension of Kalman Filter to Non-Gaussian Priors

    http://www.springerlink.com/content/l421012150037317/

    2.Nonlinear Filtering of Non-Gaussian Noise

    http://www.springerlink.com/content/ru804w3011563275/

    Thanks anh!
    Chào DuLong
    - Bộ lọc Kalman sẽ cho phương án tối ưu nếu như nhiễu là trắng (white noise), trong tình huống của em là nhiễu màu (colored noise) !??? thì nếu dùng Kalman cũng ko phải cho kq sai lắm đâu (chỉ là không tối ưu thôi)
    - Nếu như thế bạn chỉ cần cho nhiễu trăng qua 1 bộ lọc xác định để thu được nhiễu màu bạn muốn.
    - Bạn ghép bộ lọc đó và hệ thống cũ của bạn đang quan tâm thì bạn sẽ có 1 hệ thống mới mà ở đó bạn có thể coi nhiễu đầu vào là nhiễu trắng : )

    Mình ko có tài khoản springerlink đâu, nhưng mình sẽ cố gắng nhờ down dùm bạn.

    Thân ái

  13. The Following User Says Thank You to tantd For This Useful Post:

    DuLong (13/11/2009)

Trang 3/10 đầuđầu 12345 ... cuốicuối

Quyền Sử Dụng Ở Diễn Ðàn

  • Bạn không thể gửi chủ đề mới
  • Bạn không thể gửi trả lời
  • Bạn không thể gửi file đính kèm
  • Bạn không thể sửa bài viết của mình
  •