Kalman Filtresi

Kalman Filtresi nedir?

Kalman Filtresi, gürültülü ve eksik ölçümlerden bir sistemin gerçek durumunu tahmin eden bir algoritmadır. "Durum" dediğimiz şey; bir aracın konumu ve hızı, bir uydunun yörüngesi ya da bir sensörün gerçek değeri gibi doğrudan temiz ölçemediğin büyüklüklerdir. Rudolf Kalman'ın 1960'larda geliştirdiği bu yöntem, bugün hâlâ navigasyon, robotik, kontrol sistemleri ve finansta kullanılır.

Temel fikir şu: tek bir ölçüme asla tam güvenme. Bunun yerine, sistemin nasıl davranacağına dair bir modeli gelen yeni ölçümle akıllıca birleştir ve her ikisinin de belirsizliğini hesaba kat.

Nasıl çalışır?

Kalman filtresi sürekli dönen iki adımdan oluşur:

Tahmin (Predict): Sistem modelini kullanarak bir sonraki durumu öngörür. Örneğin "araç bu hızla gidiyorsa bir saniye sonra şurada olur." Bu adımda tahminin belirsizliği (kovaryans) biraz artar, çünkü model mükemmel değildir.

Güncelleme (Update): Yeni bir ölçüm geldiğinde, tahminle ölçüm arasındaki farkı (innovation) hesaplar ve durumu düzeltir. Bu düzeltmenin ne kadar güçlü olacağını Kalman kazancı (Kalman gain) belirler.

Kalman kazancı işin kalbidir: sensör çok gürültülüyse, yani ölçüm belirsizliği yüksekse ölçüme az güvenir; tahmin belirsizse ölçüme daha çok ağırlık verir. Böylece her adımda tahminin belirsizliği azalır.

Neden önemli?

Kalman filtresi, lineer sistem ve Gaussian (normal dağılımlı) gürültü varsayımları altında matematiksel olarak optimal tahmini verir — yani koşullar sağlandığında daha iyisi mümkün değildir. Gerçek zamanlı çalışır ve geçmiş tüm veriyi saklamak yerine sadece son durumu ve belirsizliğini tutar; bu da onu hafif ve hızlı kılar.

Sistem doğrusal değilse iki yaygın uzantı devreye girer: modeli yerel olarak doğrusallaştıran Extended Kalman Filter (EKF) ve "sigma noktaları" kullanan Unscented Kalman Filter (UKF).

Kullanım alanları

• GPS ve ataletsel navigasyon sistemleri (sensör füzyonu)
• Robotik ve otonom araçlarda konum takibi
• Radar ve görüntüde nesne izleme (object tracking)
• Finansta zaman serisi tahmini
• Sinyal işleme ve gürültü giderme

Varsayımlar sağlandığında güçlüdür; ama gürültü Gaussian değilse veya model gerçeği yansıtmıyorsa tahmin sapabilir.