An analytical apparatus for optimally combining measurements from N
individual rate sensing devices or gyros into a single rate estimate
significantly improves performance over that of any individual component
device. Kalman filtering is used to combine rate sensed devices optimally
in the sense of minimizing the variance of the rate error. The Riccati
differential equation (RDE) associated with combining a collection of rate
sensed devices is completely and exactly solved to derive to the matrix
RDE. This analytic solution serves as the key for understanding all of the
theoretical properties of the optimal filter, and provides a complete
characterization of the final virtual rate sensed performance. In
addition, the analytic RDE solution allows many practical problems to be
solved that have proved essential for developing successful filter
implementations. A discrete-time minimum variance filter implementation
combines sensor measurements optimally.
Μια αναλυτική συσκευή για βέλτιστα τις μετρήσεις από ν τις μεμονωμένα συσκευές ή τα γυροσκόπια ποσοστού αισθαμένος σε μια ενιαία εκτίμηση ποσοστού βελτιώνει σημαντικά την απόδοση πέρα από αυτήν οποιασδήποτε μεμονωμένης συστατικής συσκευής. Το φιλτράρισμα Kalman χρησιμοποιείται για να συνδυάσει αισθανμένες τις ποσοστό συσκευές βέλτιστα από την άποψη της ελαχιστοποίησης της διαφοράς του λάθους ποσοστού. Η διαφορική εξίσωση Riccati (RDE) που συνδέεται με το συνδυασμό μιας συλλογής αισθανμένων των ποσοστό συσκευών εντελώς και ακριβώς λύνεται για να παραγάγει στη μήτρα RDE. Αυτή η αναλυτική λύση χρησιμεύει ως το κλειδί για την κατανόηση όλων των θεωρητικών ιδιοτήτων του βέλτιστου φίλτρου, και παρέχει έναν πλήρη χαρακτηρισμό της τελικής εικονικής αισθανμένης ποσοστό απόδοσης. Επιπλέον, η αναλυτική λύση RDE επιτρέπει σε πολλά πρακτικά προβλήματα για να λυθεί που έχουν αποδειχθεί ουσιαστικά για την ανάπτυξη των επιτυχών εφαρμογών φίλτρων. Μια discrete-time ελάχιστη εφαρμογή φίλτρων διαφοράς συνδυάζει τις μετρήσεις αισθητήρων βέλτιστα.
