<![CDATA[Filter Kalman adalah salah satu metode untuk mengestimasi suatu keadaan berdasarkan model ruang-keadaan yang terdiri dari persamaan keadaan dan persamaan pengukuran. Filter Kalman dapat dijalankan ketika dugaan awal mengenai matriks kovariansi eror pada persamaan keadaan dan matriks kovariansi eror pada persamaan pengukuran diketahui dengan tepat. Namun, hal itu sulit untuk dilakukan. Oleh karena itu, E. L. Pervukhina mengusulkan filter adaptif Kullback-Leibler. Penelitian ini menjelaskan secara detail mengenai filter adaptif tersebut dan aplikasinya terhadap model otoregresif ordo pertama. Data simulasi dibangkitkan untuk mendukung aplikasi dari filter Kalman dan filter adaptif. Hasil simulasi menunjukkan bahwa estimasi keadaan menggunakan kedua metode sangat dekat dengan data pengukuran. Kalman gain untuk filter Kalman konvergen ke nilai 0,9525 sedangkan Kalman gain untuk filter adaptif konvergen ke nilai 1,001. Selain itu, variansi estimasi keadaan untuk filter Kalman lebih kecil daripada variansi estimasi keadaan filter adaptif, dengan nilai masing-masing adalah 0,2122 dan 0,2437.]]>
Copyrights © 2016
