фільтр Калмана

The Inertial Measurement Unit (IMU) [1] is a cornerstone technology in various fields, ranging from aerospace to consumer electronics, where accurate motion tracking is paramount. Central to the effectiveness of an IMU is the quality of data processing, particularly in the context of filtering techniques. This study compares two filtering methods: Complementary Filters and Kalman Filters, in their application to IMU data processing. Complementary Filters, known for their simplicity and efficiency, contrast with the more complex but potentially more accurate Kalman Filters.

Реалізована процедура використання алгоритму класичного фільтра Калмана для оцінки параметрів руху об’єкта, що маневрує. Застосування фільтра Калмана мотивовано необхідністю мінімізувати дисперсію оцінки вектора випадкового процесу. Результати оцінки параметрів руху обробляють згладжуючим алгоритмом Рауч–Тюнга– Штрібеля також з метою мінімізації дисперсії. Алгоритми Калмана та Рауча–Тюнга– Штрібеля можна застосовувати для використання в оцінці параметрів руху автомобіля, повітряного судна, бойового снаряду.

Assessment of the dynamic systems state is widely used in various areas of technical activity. In practice, the most well-known and common methods of estimation are the methods of the Kalman filter and Luenberger observers. Most of the results known in the scientific literature for constructing estimates of the dynamic systems state in the presence of acting uncontrolled disturbances and noise are associated with stationary systems.