O filtro de Kalman é um método recursivo que tem sido
utilizado em certas
aplicações, tais como o posicionamento
cinemático por GPS e a navegação por sistema inercial.
A
modelagem funcional básica desse método é composta
por duas equações matriciais, a das
observações e a do
modelo dinâmico:
Lb
= A . X + V
X2
=
T1/2 . X1
+ W
Onde:
Lb
é o vetor das observações;
A é a matriz dos coeficientes;
X é o vetor das variáveis
aleatórias;
X1 é o vetor das variáveis aleatórias em um tempo
t1
;
X2
é o vetor das variáveis aleatórias em um tempo
t2
;
T1/2 é a matriz de transição do tempo t1
para
o tempo t2
;
V é o vetor de ruídos na equação das observações e
W
é o vetor de ruídos na equação do modelo dinâmico.
Considerando que E(x),
denota a esperança matemática de
uma variável x, e Cov(x), a covariância de uma variável x, a
afirmação:
Para que se possa aplicar o filtro de Kalman, uma
das injunções
iniciais é que haja independência
estatística entre os ruídos da equação das
observações e o modelo
dinâmico.
significa que