Sensormodellen

Sensormodellen beskriver hur en sensor uppfattar omvärlden och hur en uppmätt observation genereras från det sanna tillståndet. Den används inom områden som reglerteknik, robotik, bildbehandling och fjärranalys för att hantera osäkerhet i mätningar och ge en meningsfull tolkning av sensordata.

En sensormodell består vanligtvis av två delar: en mätfunktion som kopplar tillståndet till en förväntad observation, och en felmodell som beskriver slumpmässiga och systematiska avvikelser såsom brus, drift, kvantisering och bias. I många fall används en enkel form som z_t = H x_t + v_t, där x_t är tillståndet, z_t observationen och v_t mätbruset. Modellen kan vara deterministisk eller probabilistisk, och v_t beskrivs ofta som en sannolikhetsfördelning.

Olika sensorer har olika typer av brus och response. Vanliga modeller inkluderar Gaussiant mätbrus för kontinuerliga observationer, Poissonbrus för photonräknande sensorer samt modeller som tar hänsyn till kvantisering, rådrift och upplösningslimiteringar. Vid behov kan sensormodellen göras nonlinear, tidsvaryande eller kopplas ihop med flera sensorer i en fusionsteknik.

Användning och utmaningar. Sensormodeller används tillsammans med processmodeller i tillståndsestimering och sensorfusion, ofta genom filter som Kalman-, Extended Kalman- eller partikel-filter. Viktiga utmaningar är modellmissynkronisering, icke-linjäritet, icke-Gaussiskt brus, bias och kalibrering mellan sensorer. Precisionen vid tolkning av mätningar beror i stor utsträckning på hur väl sensormodellen fångar verklighetens beteende.