Paso 1: Fije el filtro
Hace dos años que quedé contratado como consultor por Boeing con la descripción del trabajo de asegurarse de que todo lo trabajado. En mi primer día en el trabajo, leer alguna documentación que el sistema utiliza "Filtrado de Kalman". ¿También dijo que utiliza "física de partículas"? Bueno, no sé mucho sobre física de partículas, pero sabe mi filtrado de Kalman. Ese mismo día pedí mi gerente si él me podría decir cómo fue implementado el filtro de Kalman. Me dijo que debo sólo refiere a mí con preguntas "inteligentes". Justo allí y sabía que el sistema sería un fracaso total. Estaba suelto después de 30 días para "la incompetencia".
Una de las mayores quejas sobre el sistema de Boeing es que constantemente da falsas alarmas. Bien, una cosa que es bueno para un filtro de Kalman es eliminación de falsas alarmas. Un filtro de Kalman es un algoritmo de software que se utiliza para todo tipo de cosas. Más a menudo se utiliza para el guiado y navegación, pero se puede utilizar para todo, desde proyecciones económicas para estudios de crecimiento de la población.
El filtro de Kalman es mi filtro favorito en el mundo. Si se acercó a mí en un bar y le preguntó cuál era mi filtro favorito, diría el Kalman, en gran medida. Es mi favorita una de las razones es porque, si lees la descripción en la Wikipedia, parece una gran bola de pelo feo de ecuaciones matemáticas! Ir aquí y desplácese hacia abajo (en realidad, fijate en la pantalla arriba.) Hermoso, no es! Por cierto, es un problema de Wikipedia. A veces termina siendo una caja de arena gigante para los estudiantes de graduado trabajando en tesis de doctorado, que, en mi humilde opinión, es donde pertenece esa descripción, no en Wikipedia. El lector promedio no va a ser capaz de entender una descripción como eso.
Afortunadamente, como las cosas más complicadas, si hervirla, es sólo una ecuación poco minúsculo del sentido común. Básicamente es sólo un filtro ponderado. Por ejemplo, supongamos que tienes una pila de sandías con un cartel que dice "lb 10 sandías." Ahora, para calcular cuánto cada sandía pesa realmente, empezar diciendo que su estimación inicial de peso es de 10 libras, porque es la única información que tienes. Conoce la predicción. Entonces usted levanta una sandía de la pila y ponerlo en la balanza y se lee 9 libras. Pero la báscula dice que es precisa más o menos el 5%, significa 95% exacta. Por lo tanto usted puede solamente decir con seguridad que la sandía pesa por lo menos 9 *.95 = 8,55 libras. Para tener en cuenta el 5%, tomar la estimación anterior, su estimación inicial, 5% y añadir que a la estimación intermedia, que da 10 libras *.05 = 0.5. Entonces, su estimación general nuevo, llamado la actualización, es de 8,55 + 0.5 = 9,05 libras. Y a seguir haciendo que para cada sandía, dando por resultado una forma recursiva filtrada, estimación. Con respecto a la matriz de covarianza, que es para cosas que tienen un pequeño efecto secundario en el sistema, como si la humedad muy alta causa las sandías a ser un poquito más pesado, en cuyo caso sería añadir humedad a la matriz de covarianza.
Con el sistema de Boeing, una queja específica era que, en días de viento, habría aún más falsas alarmas debido a cosas como ramas de los árboles meciéndose en el viento, sin dejar de mencionar animales rodando. Para corregir para esto, un elemento de la matriz de covarianza sería condiciones actuales del viento. Tal vez incluso uso "tumbleweed reconocimiento," que por cierto es todo factible teniendo en cuenta que la forma de patrón de reconocimiento es cerrar mis ojos y visualizar los datos de vídeo (los unos y ceros) y "ver" animales como ven en el tiempo como unos y ceros. Por un lado casi a la perfección son redondas. Y unos se mueven rápido, tan rápido como el viento, que yo ya saben porque está en mi filtro de Kalman. ¿Se empiezan a ver como la capacidad de inyectar sentido común simple en el filtro de Kalman es lo que hace el filtro de Kalman tan elocuente y útil? Más detalles sobre en la siguiente sección.
