Niedawno wdrożyłem filtr Kalmana na prostym przykładzie pomiaru położenia cząstek z losową prędkością i przyspieszeniem. Odkryłem, że filtr Kalmana działa dobrze, ale zadałem sobie pytanie, jaka jest różnica między tym a zwykłą średnią ruchomą? Odkryłem, że jeśli użyję okna z około 10 próbek, których średnia ruchoma przewyższa filtr Kalmana, i próbuję znaleźć przykład zastosowania filtra Kalmana, ma tę zaletę, że po prostu używa średniej ruchomej.
Wydaje mi się, że średnia ruchoma jest o wiele bardziej intuicyjna niż filtr Kalmana i możesz zastosować ją na ślepo do sygnału, nie martwiąc się o mechanizm przestrzeni stanów. Mam wrażenie, że brakuje mi czegoś fundamentalnego i byłbym wdzięczny za każdą pomoc, jaką ktoś mógłby zaoferować.