اپلیکیشن زینگ | باربری آنلاین
زینگ - سامانه جامع حمل و نقل

تماس تلفنی
 
گفتگو آنلاین
 
دانلود زینگ
خانه دانلود اپلیکیشن زینگ آشنایی با زینگ فروشگاه خدمات اطلاعاتی همکاری با ما تماس با ما
زینگ - سامانه جامع حمل و نقل کشوری

تماس تلفنی

گفتگو آنلاین

دانلود زینگ

جستجو
کشتیرانی
حمل زمینی
وانت
حمل هوایی
مشاوره و اجرا صادرات واردات ترخیص

تعریف مسئله در قالب ماتریس ها:
در این بخش، دانش خود درباره حالت را به عنوان یک حباب یا توده گوسی (Gaussian blob) مدل می کنیم. بنابراین، به یک اطلاعات دوبخشی در زمان k نیاز داریم.

الکتریکی11

بهترین تخمین راˆxkمی نامیم (که همان میانگین μ است) و ماتریس کوواریانس Pk را به صورت زیر می نویسیم:


توجه کنید که در اینجا، فقط سرعت و موقعیت را در نظر گرفته ایم و بردار حالت می تواند هر تعداد متغیر حالت داشته باشد.

اکنون باید حالت فعلی (در زمانk−1) و پیش بینی حالت بعدی در زمان k را تعیین کنیم. لازم به یادآوری است که اطلاعی نداریم کدام حالت واقعی است، اما این موضوع تأثیری در عملکرد پیش بینی ندارد؛ زیرا پیش بینی با همه آن ها کار می کند و توزیع جدیدی را نتیجه خواهد داد.

پیش‌بینی

مرحله پیش بینی را با ماتریس Fk نمایش می دهیم.

تخمین

پیش بینی برای هر نقطه از تخمین اولیه (Original) انجام می شود و آن را به یک محل پیش بینی شده جدید انتقال می دهد.

اکنون بررسی می کنیم که چگونه باید از یک ماتریس برای پیش بینی موقعیت و سرعت در لحظه بعدی استفاده کنیم. از فرمول پایه ای سینماتیک زیر استفاده می کنیم:


به عبارت دیگر:


اکنون یک ماتریس پیش بینی داریم که حالت بعدی را به دست می دهد، اما هنوز نمی دانیم ماتریس کوواریانس را چگونه به روز کنیم.

حال به یک فرمول دیگر نیاز داریم. فکر می کنید اگر هر نقطه در توزیع را در یک ماتریس A ضرب کنیم، ماتریس کوواریانس Σ چه تغییری خواهد کرد؟

ویژگی زیر را برای کوواریانس داریم:


با ترکیب رابطه (4) با (3)، به فرمول های زیر می رسیم:

کشتیرانی
حمل زمینی
وانت
حمل هوایی
مشاوره و اجرا صادرات واردات ترخیص
نظر شما
نام و نام خانوادگی:

شماره تماس (نمایش داده نمی شود):

کد امنیتی: captcha

متن پیام: (نظر شما پس از بررسی منتشر خواهد شد)


مطالب مرتبط:
مخفی کردن >>