Eu estava pensando, quais são as vantagens e desvantagens do Filtro Kalman e do Filtro Exponencial. Eu tenho um problema de fusão multi-sensor e estou tentando decidir qual método escolher. Penso que o filtro Kalman é mais complicado computacionalmente, mas possui um modelo mais detalhado do sistema, por isso é mais preciso () na fusão multi-sensor. Considerando que o filtro Exponencial é uma equação simples, mas é limitado pela escolha de alfa (Alfa maior memória menor do filtro e, portanto, menor alisamento, mas mais pesagem em medidas, enquanto que o alfa inferior possui maior grau de alisamento, mas mudanças repentinas não são refletidas adequadamente . O filtro Exponencial é mais útil no cancelamento de ruído, quando há jitter, etc. Considerando que o filtro Kalman é útil para a fusão multi-sensor real. Isso é correto Além disso, como é útil o Algoritmo Genético para a fusão do sensor eu estou tentando combinar Uma bússola magnética e um giroscópio para estimar a orientação verdadeira. Quais são as vantagens e desvantagens do Filtro Kalman e do Filtro Exponencial. Penso que o filtro Kalman é mais complicado computacionalmente, mas possui um modelo mais detalhado do sistema por isso é mais preciso () em multi - fusão do sensor. Isso é basicamente, em geral, quanto melhor for o seu modelo, melhor será o seu filtro, independentemente de você estar usando um Kalman fi Lter. O filtro Exponencial é mais útil no cancelamento de ruído, quando existe jitter etc. Considerando que o filtro Kalman é útil para a fusão multi-sensor real. É correto que eu não esteja de acordo com essa afirmação. O filtro Kalman está sendo inteligente sobre o cancelamento do ruído. É muito mais esperto do que um filtro de passagem baixa, porque ele tira proveito de todas as informações armazenadas na matriz de covariância. Se a medida de desempenho que você está olhando é Quão íntimo o valor filtrado corresponde ao valor real, acho que o melhor filtro de passagem simples simples pode fazer o mesmo, e isso é apenas no caso mais simples de uma caminhada aleatória. Assim que você tiver uma interessante matriz de transição de estado, acho que o filtro de passagem baixa não tem chance, porque não pode ver como a incerteza de velocidade entra em incerteza de posição, por exemplo. Estou tentando combinar uma bússola magnética e um giroscópio para estimar a orientação verdadeira. Este é exatamente o tipo de coisa para o qual um filtro Kalman foi projetado. Mas se você está preocupado com a complexidade da implementação de um filtro kalman, comece implementando a versão do filtro passa-baixa: 1) Comece com uma simulação simples 2) Atualize o estado da simulação com base em suas medidas. É basicamente a estrutura para o kalman (o mais simples) Filtro para este sistema. Tudo o que falta é: Escreva tudo no formato da matriz Adicione o ruído do processo durante a etapa de simulação Adicione um passo para calcular os ganhos melhores do kalman em vez de usar valores fixos para o alfa. Adicione um passo para atualizar a covariância dos filtros. Além disso, quão útil é o Algoritmo Genético para a fusão do sensor Eu não vejo onde eles iriam caber. Você pode elaborar O filtro exponencial é um caso especial do filtro de Kalman que restringe a consideração aos Sistemas com dinâmica trivial (constante) e uma relação fixa De planta para o ruído (medida da planta) (isto é o que determina o parâmetro alfa). Assim, nos casos em que essas premissas se aplicam, elas são equivalentes. Em outros casos, você pode obter melhores resultados usando o filtro Kalman (se você modelar adequadamente o sistema). A outra decisão principal é se você inclui a velocidade no espaço de estados se você fizer isso, então o filtro de Kalman é o caminho a seguir. Respondeu 26 de fevereiro às 18:43 Sua resposta 2017 Stack Exchange, IncKalman Filter - New Moving Average Registrado em maio de 2008 Status: Membro 58 Posts Anexado é a versão cumprida tanto para o quadro de tempo múltiplo quanto para o quadro de tempo único Kalman Filter. Basta pensar nisso como um tipo diferente de média móvel exponencial. As configurações são diretas. Para AppliedPrice, use o seguinte: 0 - Open Price 1 - Low Price 2 - High Price 3 - Close Price Eu não tenho nenhum outro tipo de preço adicionado, e devido à natureza do filtro, não vou adicionar mais nenhum. Gostaria de mencionar que o período é um pouco diferente do que você está acostumado nas MAs. Ainda é tecnicamente o mesmo que o período em uma EMA, mas devido à natureza do filtro de Kalman, o período não tem o mesmo efeito que em outras médias móveis. Você pode brincar com isso, mas uma sugestão pessoal é manter o período em 20,50,100 ou superior. O Kalman está configurado para algumas configurações genéricas no momento, mas se alguém tiver a ambição de mexer com as matrizes que usa para os cálculos, avise-me e vou atirar o código no seu caminho. Uma vez que, como você vai notar, o Kalman normal realmente não pode realmente ser um indicador de tendência de longo prazo como 200 SMA, você pode usar a versão de quadros múltiplos para executar o Kalman em intervalos de tempo mais longos e usá-lo como um indicador quotstend. quot pessoalmente Eu prefiro isso, uma vez que cria menos lag e simula o quotlooking no gráfico mais longo para garantir que os sinais correspondam à teoria. Uma idéia é traçar um Diário ou H4 Kalman em um gráfico de 15 ou 30 min, e usá-lo para jogar fora a tendência de longo prazo para esse dia. Eu acabei de depurar o indicador hoje e, embora altamente útil, esta versão do indicador não é realmente o meu foco agora. Estou trabalhando na otimização para minhas necessidades específicas, o que envolve algum trabalho de matemática pesado, mas esta versão é configurada para ser uma manobra quotmiddle na batalha de tempo de suavidade versus tempo de resposta que as MAs sempre experimentam. Além disso, desde que acabei de concluir hoje, não tenho uma estratégia que esteja sendo aplicada atualmente, e não tenho uma estrada dourada para riquezas apenas usando um filtro mais suave. Use o filtro como quiser, talvez se você brincar com ele e se tornar criativo, talvez possa encontrar seu caminho na sua próxima estratégia de negociação. Períodos de Kalman diferentes - Blue: 500 Kalman - Azul claro: 200 Kalman - Green: 100 Kalman - Red: 50 Kalman - Orange: 20 Kalman i295.photobucketalbumsm. Manperiods. gif Kissn até o topo Os membros devem ter pelo menos 0 comprovantes para postar neste tópico. 0 comerciantes que visualizam agora Forex Factoryreg é uma marca registrada.
No comments:
Post a Comment