カルマン推定：予測、イノベーション、共分散

予測状態は、直前の推定値と既知のモデル入力から求められます。その共分散も、プロセスノイズの寄与Qを含めて変化します。これは仮定したモデル内の不確かさを表すものであり、物理的な真の状態について新たに観測した情報ではありません。

予測は、モデルに表現されていない変化によって実際の状態からずれていっても、滑らかなままである場合があります。逆に、予測曲線が見た目には安定していても、モデル上の不確かさの増加が妥当な場合があります。滑らかさと、根拠のある確信度は、異なる問いに答えるものです。

仮想的なスカラーモデル： 予測状態は 4 単位、分散は 4 単位²です。独立した観測値は 6 単位、測定分散は 1 単位²で、H = 1 です。ゲインは 4/(4+1) = 0.8 です。

補正後の推定値は4+0.8(6−4) = 5.6 unitsで、モデル上の事後分散は(1−0.8)4 = 0.8 units²です。これらの値は、一つの理想的な更新を例示しています。フィルター設定や製品の測定値ではなく、物理的な誤差が今や正確に分かったことの証明でもありません。

カルマン推定では、予測、観測写像、および不確かさが補正を決めるため、固定のローパス変換とは異なります。非線形ダイナミクス、外れ値、観測の欠落は、追加のモデル化上の課題を生じさせます。単純な式だけでそれらが自動的に解決されるわけではありません。

MARSTONについて、カルマンフィルタ、共分散の値、または精度向上は確認されていません。この説明では、実装、共分散の調整、またはライブデータに基づく調整を提供せず、単にアルゴリズム名を挙げるだけで未検証のコントローラを高度なものと位置付けることもありません。

関連する技術ガイド： 動的状態と可観測性：出力から何が分かるか · 相互相関：ラグの符号、類似性、時間遅延 · レシオメトリックセンシング：共通基準と残留誤差.

以下を用いて推定に関する検討を広げてください： 推定バイアス、分散、平均二乗誤差, 最小二乗残差と入力誤差、および モデル残差と特定しきれない原因.

一般的な背景情報： MathWorks: 線形予測、イノベーション、共分散の方程式。これらの参考資料は業界の考え方を説明するものであり、適用するMARSTONの製品資料やプロジェクト資料とは別のものです。