filtr_kalmana.py

def mediana(wartosci):
    posortowane_wartosci = sorted(wartosci)
    dlugosc = len(posortowane_wartosci)
    srodek = dlugosc // 2
    return ((posortowane_wartosci[srodek - 1] + posortowane_wartosci[srodek]) // 2) if (dlugosc % 2 == 0) else posortowane_wartosci[srodek]

# Inicjalizacja zmiennych filtru Kalmana
process_variance = 1e-5  # Przybliżona wariancja procesu
measurement_variance = 0.1 ** 2  # Przybliżona wariancja pomiaru (przykład)
estimated_measurement_variance = 1.0  # Początkowa wart. estymowana wariancja
posteri_estimate = 0.0  # Wartość początkowa estymacji
posteri_error_estimate = 1.0  # Początkowa niepewność estymacji

def kalman_filter(measurement):
    global posteri_estimate, posteri_error_estimate, estimated_measurement_variance

    # Faza predykcji
    priori_estimate = posteri_estimate
    priori_error_estimate = posteri_error_estimate + process_variance

    # Kalibriacja współczynnika Kalmana
    blending_factor = priori_error_estimate / (priori_error_estimate + measurement_variance)

    # Aktualizacja estymacji
    posteri_estimate = priori_estimate + blending_factor * (measurement - priori_estimate)
    posteri_error_estimate = (1 - blending_factor) * priori_error_estimate

    return posteri_estimate

# Lista danych wejściowych
measurements = [8, 129, 93, 127, 111, 129, 111, 87, 87, 97, 106, 99, 81, 142, 99, 99, 105, 106, 75, 93, 93, 84, 103, 93, 105, 75, 99, 78, 87, 68, 87, 90, 93, 120, 81, 168, 97, 96, 90, 111, 111, 81, 91, 100, 87, 81, 84, 78, 99, 81, 97, 97, 96, 105, 108, 105, 84, 106, 87, 75, 96, 96, 75, 108, 133, 108, 99, 111, 105, 78, 87, 72, 90, 99, 108, 102, 87, 112, 112, 90, 105, 93, 102, 93, 105, 93, 93, 96, 81, 84, 91, 93, 75, 105, 90, 90, 99, 120, 93, 93, 106, 102, 96, 93, 99, 78, 111, 105, 93, 97, 112, 84, 93, 102, 81, 120, 96, 96, 84, 69, 75, 72, 84, 72, 78, 72, 87, 102, 96, 96, 106, 100, 96, 96, 78, 102, 81, 96, 81, 93, 90, 72, 105, 81, 102, 78, 90, 81, 96, 108, 78, 99, 81, 87, 72, 117, 96, 87, 108, 105, 100, 84, 172, 66, 90, 84, 90, 87, 96, 106, 78, 81, 93, 78, 109, 84, 78, 81, 114, 93, 126, 97, 90, 84, 90, 102, 106, 90, 72, 117, 96, 81, 100, 87, 84, 111, 102, 90, 100, 94, 139, 84, 90, 105, 93, 111, 108, 81, 75, 117, 81, 97, 99, 84, 81, 100, 96, 78, 84, 99, 90, 90, 166, 93, 102, 111, 94, 84, 93, 102, 87, 105, 124, 81, 118, 84, 99, 78, 99, 96, 96, 100, 109, 94, 78, 90, 93, 99, 81, 84, 102, 78, 72, 130, 145, 90, 99, 93, 91, 109, 78, 96, 93, 96, 78, 111, 96, 144, 374, 416, 1229, 414, 1228, 417, 419, 423, 1240, 426, 431, 435, 1249, 1243, 430, 1243, 1240, 1236, 1233, 1234, 414, 420, 420, 417, 12357, 408, 411, 1225, 411, 1224, 410, 408, 408, 1225, 408, 410, 410, 1222, 1225, 408, 1221, 1219, 1219, 1218, 1215, 402, 405, 405, 398, 12346, 399, 399, 1215, 402, 1213, 402, 402, 405, 1215, 404, 404, 405, 1219, 1215, 404, 1219, 1219, 1215, 1212, 1215, 399, 399, 402, 399, 12342, 396, 395, 1212, 402, 1214, 398, 402, 402, 1215, 402, 402, 401, 1219, 1219, 402, 1215, 1216, 1216, 1212, 1212, 398, 399, 403, 395, 12342, 396, 399, 1215, 398, 1212, 399, 399, 402, 1215, 402, 405, 402, 1218, 1219, 402, 1220, 1216, 1215, 1212, 1215, 399, 402, 399, 399, 12342, 396, 399, 1213, 399, 1212, 399, 401, 402, 1215, 402, 401, 401, 1219, 1216, 401, 1215, 1216, 1216, 1215, 1212, 399, 399, 399, 398, 12342, 395, 399, 1213, 399, 1212, 398, 399, 399, 1215, 401, 401, 405, 1219, 1219, 402, 1218, 1215, 1213, 1214, 1213, 399, 401, 401, 399, 12342, 396, 399, 1212, 398, 1212, 398, 402, 402, 1215, 402, 401, 402, 1218, 1218, 402, 1219, 1212, 1213, 1212, 1212, 396, 399, 402, 399, 12345, 395, 395, 1213, 399, 1212, 398, 401, 402, 1216, 402, 402, 401, 1218, 1216, 402, 1215, 1215, 1215, 1215, 1213, 399, 399, 402, 398, 12342, 396, 398, 1216, 399, 1215, 399, 399]


# Przetwarzanie listy za pomocą filtru Kalmana
kalman_estimates = [kalman_filter(m) for m in measurements]

# Wyświetlanie wyników filtru Kalmana
print(mediana(kalman_estimates))