- Imaginons, on a les mesures d'accélérometres et de vitesse On a une matrice vecteur d'etat de 6x1 [position3_1 vitesse3_1 ]. La seul solution pour intégrer les accéléromètres c'est dans la prédiction? Pour intégrer la vitesse dans la mise a jour, seul les vitesses dans le vecteur d'état vont bénéficier de la mise à jour?
Je ne comprend pas bien la question.
Tu as un vecteur de mesure [vitesse acceleration] et un vecteur d'état [position vitesse]
Lors de la prédiction, tu vas modéliser l'évolution de ta vitesse et tu vas lier ta position à ta vitesse.
Lors de la mise à jour, tu vas utiliser tes mesures de vitesse et d'accélération pour mettre à jour la vitesse estimé et la position estimé.
Si jamais tu connais le modèle d'évolution de ton accélération, deux choix s'offre à toi : intégrer l'accélération au vecteur d'état, ou alors calculer le modèle d'évolution de la vitesse à partir de l'accélération.
- Pour de l'embarqué et comme les matrices de covariance et de variance sont équivalent a une matrice identité multiplié par un coef, peut-on réduire ce vecteur d'état à 2x1 et en répétant les coefs sur les 3axes?
Je m'explique :
X = [p v] ; Xk_1 = A*Xk + B*U
A = [1 T ; 0 1] B = [Te²/2 ;Te]
Ma matrice de covariance liée à ma mesure sigmax = [Te²/2 Te³/2; Te²/2 Te] et celle lié à ma mesure sigmaz = var²*[1 0 ; 0 1]
J'aurai ma matrice de passage du vecteur d'etat vers ma mesure H = [ 0 1] .
En fait j'ai fait les calculs sous matlab et je me suis rendu compte que de toutes facons les axes sont indépendents, c'est a dire sur l'axe x seulement px et vx sont en corrélation , de même sur y et z.
Pour le gain de kalman du vecteur d'état 6x1 on a :
K = [ x1 0 0 x2 0 0
0 x1 0 0 x2 0
0 0 x1 0 0 x2
x3 0 0 x4 0 0
0 x3 0 0 x4 0
0 0 x3 0 0 x4]
Et pour le gain de kalman du vecteur d'état 2x1 on a :
K = [x1 x2
x3 x4]
Je me dis donc si je ne me suis pas gourré dans mes calculs, je calcul le gain de kalman sur le "sous-système" et j'applique les coefficients trouvés sur les 3axes.
Quant pensez-vous?
Tu veux dire décomposer un Kalman à 6 estimations à 3 Kalman de 2 estimations ?
Si tu es sur que tes sous-vecteurs d'état sont totalement décorrélés, alors oui, ça doit être faisable.
Mais il faut en être sûr. Si tu dois estimer l'angle de rotation en fonction d'un gyro et d'un accéléromètre par exemple, tu ne peux pas décomposer le problème en trois Kalman car dans ce cas tes axes sont corrélés.