2 Copyright (C) 2008-2024 EDF R&D
4 This file is part of SALOME ADAO module.
6 This library is free software; you can redistribute it and/or
7 modify it under the terms of the GNU Lesser General Public
8 License as published by the Free Software Foundation; either
9 version 2.1 of the License, or (at your option) any later version.
11 This library is distributed in the hope that it will be useful,
12 but WITHOUT ANY WARRANTY; without even the implied warranty of
13 MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU
14 Lesser General Public License for more details.
16 You should have received a copy of the GNU Lesser General Public
17 License along with this library; if not, write to the Free Software
18 Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA 02111-1307 USA
20 See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
22 Author: Jean-Philippe Argaud, jean-philippe.argaud@edf.fr, EDF R&D
24 .. index:: single: ExtendedKalmanFilter
25 .. _section_ref_algorithm_ExtendedKalmanFilter:
27 Algorithme de calcul "*ExtendedKalmanFilter*"
28 ---------------------------------------------
30 .. ------------------------------------ ..
31 .. include:: snippets/Header2Algo01.rst
33 Cet algorithme réalise une estimation de l'état d'un système dynamique par un
34 filtre de Kalman étendu, utilisant un calcul non linéaire de l'observation
35 d'état et de l'évolution incrémentale (processus). Techniquement, l'estimation
36 de l'état est réalisée par les équations classiques du filtre de Kalman, en
37 utilisant à chaque pas la jacobienne obtenue par linéarisation de l'observation
38 et de l'évolution pour évaluer la covariance d'erreur d'état. Cet algorithme
39 est donc plus coûteux que le Filtre de Kalman linéaire, mais il est par nature
40 mieux adapté dès que les opérateurs sont non linéaires, étant par principe
41 universellement recommandé dans ce cas.
43 Conceptuellement, on peut représenter le schéma temporel d'action des
44 opérateurs d'évolution et d'observation dans cet algorithme de la manière
45 suivante, avec **x** l'état, **P** la covariance d'erreur d'état, *t* le temps
48 .. _schema_temporel_EKF:
49 .. figure:: images/schema_temporel_KF.png
53 **Schéma temporel des étapes en assimilation de données par filtre de Kalman étendu**
55 Dans ce schéma, l'analyse **(x,P)** est obtenue à travers la "*correction*" par
56 l'observation de la "*prévision*" de l'état précédent. On remarque qu'il n'y a
57 pas d'analyse effectuée au pas de temps initial (numéroté 0 dans l'indexage
58 temporel) car il n'y a pas de prévision à cet instant (l'ébauche est stockée
59 comme pseudo-analyse au pas initial). Si les observations sont fournies en
60 série par l'utilisateur, la première n'est donc pas utilisée.
62 Ce filtre peut aussi être utilisé pour estimer (conjointement ou uniquement)
63 des paramètres et non pas l'état, auquel cas ni le temps ni l'évolution n'ont
64 plus de signification. Les pas d'itération sont alors liés à l'insertion d'une
65 nouvelle observation dans l'estimation récursive. On consultera la section
66 :ref:`section_theory_dynamic` pour les concepts de mise en oeuvre.
68 Dans le cas d'opérateurs plus fortement non-linéaires, on peut utiliser un
69 :ref:`section_ref_algorithm_EnsembleKalmanFilter` ou un
70 :ref:`section_ref_algorithm_UnscentedKalmanFilter`, qui sont largement plus
71 adaptés aux comportements non-linéaires même si parfois plus coûteux. On peut
72 vérifier la linéarité des opérateurs à l'aide d'un
73 :ref:`section_ref_algorithm_LinearityTest`.
79 Le filtre de Kalman étendu peut tenir compte de bornes sur les états (la
80 variante est nommée "CEKF", elle est recommandée et elle est utilisée par
81 défaut), ou être conduit sans aucune contrainte (cette variante est nommée
82 "EKF", et elle n'est pas recommandée).
84 .. ------------------------------------ ..
85 .. include:: snippets/Header2Algo12.rst
87 .. include:: snippets/FeaturePropLocalOptimization.rst
89 .. include:: snippets/FeaturePropDerivativeNeeded.rst
91 .. include:: snippets/FeaturePropParallelDerivativesOnly.rst
93 .. ------------------------------------ ..
94 .. include:: snippets/Header2Algo02.rst
96 .. include:: snippets/Background.rst
98 .. include:: snippets/BackgroundError.rst
100 .. include:: snippets/EvolutionError.rst
102 .. include:: snippets/EvolutionModel.rst
104 .. include:: snippets/Observation.rst
106 .. include:: snippets/ObservationError.rst
108 .. include:: snippets/ObservationOperator.rst
110 .. ------------------------------------ ..
111 .. include:: snippets/Header2Algo03AdOp.rst
113 .. include:: snippets/BoundsWithNone.rst
115 .. include:: snippets/ConstrainedBy.rst
117 .. include:: snippets/EstimationOf_State.rst
119 StoreSupplementaryCalculations
120 .. index:: single: StoreSupplementaryCalculations
122 *Liste de noms*. Cette liste indique les noms des variables supplémentaires,
123 qui peuvent être disponibles au cours du déroulement ou à la fin de
124 l'algorithme, si elles sont initialement demandées par l'utilisateur. Leur
125 disponibilité implique, potentiellement, des calculs ou du stockage coûteux.
126 La valeur par défaut est donc une liste vide, aucune de ces variables n'étant
127 calculée et stockée par défaut (sauf les variables inconditionnelles). Les
128 noms possibles pour les variables supplémentaires sont dans la liste suivante
129 (la description détaillée de chaque variable nommée est donnée dans la suite
130 de cette documentation par algorithme spécifique, dans la sous-partie
131 "*Informations et variables disponibles à la fin de l'algorithme*") : [
133 "APosterioriCorrelations",
134 "APosterioriCovariance",
135 "APosterioriStandardDeviations",
136 "APosterioriVariances",
139 "CostFunctionJAtCurrentOptimum",
141 "CostFunctionJbAtCurrentOptimum",
143 "CostFunctionJoAtCurrentOptimum",
144 "CurrentIterationNumber",
147 "ForecastCovariance",
150 "InnovationAtCurrentAnalysis",
151 "InnovationAtCurrentState",
152 "SimulatedObservationAtCurrentAnalysis",
153 "SimulatedObservationAtCurrentOptimum",
154 "SimulatedObservationAtCurrentState",
158 ``{"StoreSupplementaryCalculations":["CurrentState", "Residu"]}``
160 .. include:: snippets/Variant_EKF.rst
162 .. ------------------------------------ ..
163 .. include:: snippets/Header2Algo04.rst
165 .. include:: snippets/Analysis.rst
167 .. ------------------------------------ ..
168 .. include:: snippets/Header2Algo05.rst
170 .. include:: snippets/Analysis.rst
172 .. include:: snippets/APosterioriCorrelations.rst
174 .. include:: snippets/APosterioriCovariance.rst
176 .. include:: snippets/APosterioriStandardDeviations.rst
178 .. include:: snippets/APosterioriVariances.rst
180 .. include:: snippets/BMA.rst
182 .. include:: snippets/CostFunctionJ.rst
184 .. include:: snippets/CostFunctionJAtCurrentOptimum.rst
186 .. include:: snippets/CostFunctionJb.rst
188 .. include:: snippets/CostFunctionJbAtCurrentOptimum.rst
190 .. include:: snippets/CostFunctionJo.rst
192 .. include:: snippets/CostFunctionJoAtCurrentOptimum.rst
194 .. include:: snippets/CurrentIterationNumber.rst
196 .. include:: snippets/CurrentOptimum.rst
198 .. include:: snippets/CurrentState.rst
200 .. include:: snippets/ForecastCovariance.rst
202 .. include:: snippets/ForecastState.rst
204 .. include:: snippets/IndexOfOptimum.rst
206 .. include:: snippets/InnovationAtCurrentAnalysis.rst
208 .. include:: snippets/InnovationAtCurrentState.rst
210 .. include:: snippets/SimulatedObservationAtCurrentAnalysis.rst
212 .. include:: snippets/SimulatedObservationAtCurrentOptimum.rst
214 .. include:: snippets/SimulatedObservationAtCurrentState.rst
216 .. ------------------------------------ ..
217 .. _section_ref_algorithm_ExtendedKalmanFilter_examples:
219 .. include:: snippets/Header2Algo06.rst
221 - :ref:`section_ref_algorithm_KalmanFilter`
222 - :ref:`section_ref_algorithm_EnsembleKalmanFilter`
223 - :ref:`section_ref_algorithm_UnscentedKalmanFilter`
225 .. ------------------------------------ ..
226 .. include:: snippets/Header2Algo07.rst