Perkembangan Kalman Filter

Halo Sobat kompasiana ,kembali lagi bersama kami MBKM Univ Mandiri. Bagaimana kabar kalian semua ? sobat kompasiana mimin udah lama nih ga upload tentang artikel terbaru dari MBKM Univ Mandiri. Ada topik menarik nih dari mimin yaitu tentang Kalman Filter. Apakah teman teman sudah tau apa itu Kalman Filter? Kalman Filter adalah suatu algoritma yang memperkirakan suatu keadaan sistem dinamis dan digabungkan dengan pengukuran ketidak pastian dan digunakan secara luas. Meskipun Filter Kalman merupakan konsep yang mudah dipahami, banyak sumber tentang subjek tersebut memerlukan latar belakang matematika yang luas dan gagal memberikan contoh serta ilustrasi praktis, sehingga membuatnya lebih rumit dari yang seharusnya.

Pada era digital seperti saat ini banyak sistem modern menggunakan beberapa sensor untuk memperkirakan keadaan tersembunyi (tidak diketahui) melalui serangkaian pengukuran. Misalnya, penerima GPS dapat memperkirakan lokasi dan kecepatan, di mana lokasi dan kecepatan mewakili keadaan tersembunyi, sedangkan waktu diferensial kedatangan sinyal dari satelit berfungsi sebagai pengukuran. Salah satu tantangan terbesar sistem pelacakan dan kontrol adalah menyediakan estimasi akurat dan tepat dari kondisi tersembunyi di tengah ketidakpastian. Misalnya, penerima GPS rentan terhadap ketidakpastian pengukuran yang dipengaruhi oleh ruangan tertutup dan terbatas, efek atmosfer, sedikit perubahan pada posisi satelit, presisi jam penerima, dan masih banyak lagi. Filter ini dinamai menurut Rudolf E. Klmn (19 Mei 1930 -- 2 Juli 2016). Pada tahun 1960, Klmn menerbitkan makalah terkenalnya yang menjelaskan solusi rekursif untuk masalah penyaringan linear data.

Berikut contoh penerapan Kalman Filter navigasi dalam Terowongan saat kendaraan memasuki terowongan, GPS dan ponsel tidak dapat memberikan informasi posisi karena sinyal yang hilang. Dalam situasi ini, Kalman Filter dapat digunakan untuk memperkirakan posisi kendaraan berdasarkan kecepatan dan arah sebelumnya. Algoritma ini menggabungkan data dari sensor lain (seperti akselerometer dan giroskop) untuk memberikan estimasi posisi yang lebih akurat meskipun data pengukuran tidak sempurna.

Namun seiringnya perkembangan Filter Kalman hanya dapat beroperasi dengan sistem linear, yang biasanya bukan model baterai. Karena keterbatasan ini, variasi dan ekstensi telah dikembangkan di dalam filter Kalman. Filter Kalman yang diperluas model baterai sistem linear . Karena keterbatasan ini, variasi dan ekstensi telah dikembangkan di dalam filter Kalman. Filter Kalman yang diperluas adalah salah satunya, yang merupakan versi non linear dari filter Kalman. Extended Kalman Filter (EKF) adalah metode estimasi yang digunakan untuk menyelesaikan model non linier. EKF merupakan perluasan dari Kalman Filter. Contoh navigasi dalam Terowongan Navigasi kendaraan dalam terowongan menggunakan EKF Dalam situasi di mana GPS tidak dapat digunakan, EKF digunakan untuk memperkirakan posisi kendaraan berdasarkan data dari sensor lain seperti akselerometer dan giroskop. EKF dapat menggabungkan data yang tidak pasti untuk memberikan estimasi yang lebih akurat. 

Kalman Filter dan Extended Kalman Filter (EKF) adalah yaitu masih sama saja cuman ada beberapa perkembangan yang dimana perkembangan ini malah menjadi perbedaan. Berikut merpakan beberapa perbedaan utamanya dimana Kalman Filter itu sistemnya linear dan untuk Extented Kalman Filter itu non linear. Kalman Filter memberikan estimasi yang optimal jika model sistem adalah linier dan noise mengikuti distribusi Gaussian sedangkan Extented Kalman Filter meskipun lebih fleksibel dalam menangani non linearitas, EKF tidak selalu memberikan estimasi optimal. 

Mungkin itu saja  pembahasan mengenai perkembangan Kalman Filter semoga artikel ini bisa membantu sobat kompasiana mengenai Perkembangan Kalman Filter. Sekian dari mimin MBKM Univ Mandiri Terimkasih selamat beraktivitas.