پروژه متلب رویکرد شبکه عصبی برای ردیابی سوزن انعطاف‌پذیر در تصاویر سونوگرافی با استفاده از فیلتر کالمن
فیلتر کالمن
رادولف امیل کالمن در ۱۹ می سال ۱۹۳۰ در بوداپست مجارستانبه دنیا آمد . او ایده کالمن فیلتر را برای اولین بار در سال ۱۹۵۸ ارئه کرد . و در سال ۱۹۶۰ کالمکن با ارا مقاله ای تحت عنوان ” یک روش جدید برای فیلتر خطی و مشکلات پیش بینی ” تحول اساسی در زمینه تخمین ایجاد کرد [۱] . کالمن فیلتر یک فیلتر پیشبینی بازگشتی است که مبتنی بر استفاده از تکنیکهای فضای حالت و الگوریتمهای بازگشتی میباشد. که حالت یک سیستم دینامیکی را تخمین میزند . در این سیستم دینامیک بوسیله بعضی از نویزها می تواند دچار اغتشاش شود، اما اکثرا به عنوان نویز سفید در نظر گرفته میشود. برای بهتر شدن تخمین حالت ، فیلتر کالمن از اندازهگیری که به حالت ارتباط دارند اما همچنین اغتشاشی میباشند استفاده میکند. فیلتر کالمن از دو گام تشکیل شده است:
- پیش بینی
- اصلاح
در گام اول حالت با مدل دینامیکی پیشبینی میشود. و در گام دوم با استفاده از مدل رویتگر اصلاح میشود ، بطوری که کوواریانس خطای تخمینگر حداقل میشود. و این بدان معناست که تخمینگر بهینه میباشد. روش برای هر گام زمانی با حالت گام زمانی قبلی به عنوان مقدار اولیه تکرار میشود. بنابراین فیلتر کالمن را یک فیلتر بازگشتی مینامند.
در واقع میتوان گفت فیلتر کالمن یک فیلتر بازگشتی کارآمد است که حالت یک سیستم پویا را از یک سری اندازه گیرهای پیچیده را تخمین میزند . این فیلتر در طیف گستردهای از کاربریهای مهندسی از رادار گرفته تا بصیرت رایانهای کاربرد دارد . فیلتر کالمن از پویایی هدف بهره میگیرد به این صورت که سیر تکاملی آن را کنترل میکند ، تا تأثیرات نویزها را از بین ببرد و یک تخمین خوب از موقعیت هدف در زمان حال (ِمسأله فیلتری) ودر آینده (مسأله پیش بینی) و یا در گذشته (مسأله هموارسازی) را ارئه میدهد .
فیلتر کالمن، فیلتری است که در بسیاری از علوم و ابزارهای مختلف به کار گرفته می شود و در بسیاری از موارد، این بحث به عنوان مجموعهای از معادلات، پا را از این فراتر میگذارد. فیلتر کالمن هواپیماها و فضاپیماها و موشکهای کروز را هدایت میکند و نیز قمرهای مصنوعی، گرایشهای اقتصادی و تغییرات جریان خون ما را دنبال میکند. این فیلتر بهترین تخمین از رفتار سیستمهای دینامیکی را ارائه میدهد. همچنین اطلاعات مربوط به دینامیک سامانه و دستگاههای اندازهگیری ، نوفههای سامانه ، خطاهای اندازهگیری ، عدم قطعیت مدلهای دینامیکی و هر اطلاعات موجود در مورد شرایط اولیه پارامتر مورد نظر را در نظر میگیرد .
فيلتر هاي بازگشتي و غير بازگشتي
لفظ بازگشتي به صورت تحت اللفظي به معناي بازگشت به عقب است و به اين واقعيت برمي گردد که مقادير گذشته ي محاسبه شده خروجي براي محاسبه ي آخرين خروجي به کار مي رود. يک فيلتر بازگشتي علاوه بر مقادير ورودي از مقادير خروجي قبلي نيز استفاده مي کند.اين شبيه مقادير ورودي قبلي است که در حافظه ي پردازنده ذخيره گشته است.اگر خروجي منحصراً از مقادير ورودي قبلي و فعلي محاسبه مي شود.اين نوع از فيلترها را غير بازگشتي گويند. از اين توضيحات اين نکته بر مي آيد که ممکن است فيلتر بازگشتي براي اجرا به تعداد محاسبات بيشتري نياز داشته باشد زيرا در تعريف آن خروجي هاي قبلي مانند ورودي هاي قبلي به کار گرفته شده اند.
لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد