Kalman Filter and Particle Physics Data Analysis, Study notes of Advanced Data Analysis

A section from a research paper or a lecture note on the kalman filter, a mathematical method used for estimating the state of a dynamic system based on noisy measurements. Various mathematical equations and notations related to the kalman filter and particle physics data analysis. It seems to discuss topics such as the measurement equation, covariance matrix, crossing angle, and beam energy spread.

Typology: Study notes

2011/2012

Uploaded on 03/12/2012

ylbest
ylbest 🇨🇳

10 documents

1 / 30

Toggle sidebar

This page cannot be seen from the preview

Don't miss anything!

bg1
第第第第第第第第第第第第第第第第
第第第第第第第第第第第第第第第第
第第第
第第第
第第第
第第第第第第第第第第第
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe
pff
pf12
pf13
pf14
pf15
pf16
pf17
pf18
pf19
pf1a
pf1b
pf1c
pf1d
pf1e

Partial preview of the text

Download Kalman Filter and Particle Physics Data Analysis and more Study notes Advanced Data Analysis in PDF only on Docsity!

第第第 第第

第第第第第第第第

第第第第第第第第第第第第第第第

第第第第第第第第第第第第第第第第第第第第

第第第第第第第第第第第第第第第

第第第第第第第第第第第第

第第第 第第第第第第第第第第第第第第

第第第第第第第第第第第第

第第第第第第第第第第第第第第第第

第第第 第第第第第第第第

第第第第第第第第第第第第第第第第第第第第第

第第第第第第第第第第第第

第第第第第第第第第第第第第第第第

第第第 第第第第

第第第第第第第第第第第第第第第第第第第第

第第第第第第第第第第第第第

第第第第第第第第第第第第第第第第第第第

第第第 第第第第第第第第第第第第第第第第第

第第第第第第第第第第第

第第第第第第第第第第第第第第第第第

第第第 第第第第第第第第第

第第第第第第第第第第第第

第第第第第第

第第第第第第第

第第第第 (x p

: 第第第第第 x d

: 第第第第 )

2 2 2 2 2

0

x y z c

E p p p m

  

J/ , ( 2 S) anything
p p 0

c

 

 

p d d

p

x x c x c

m

      

r

r

r r r

D d 0

H( )

H ( ) H( ) ( )

A

A A

  

   

   

r A r

A

A

n

r r r

n

n

H

H

H

d

H H H

H H H

H H H

D

  

  

  

 

   

2

1

2

1

1 2

2

2

2

1

2

1

2

1

1

1

,

( )

( )

( )

,

第第第第第第第第第第第第第第第 H()=0 第第第第第

   

2  D d

V

T

0

1

T

0

2

0

 

  

 

    

 

    

l

y l l

T

A A

r V r r

r y A y f A

2 1 2 2

( )

 

  

2

.. (x)dx

C L f

   

, 2 2

2

 

 

2

exp

( )

2

2

2

2

2

2

f

2

无无无无无无无 n=n-m, 无无 n: 无无无无无 , m: 无无无无

2

n 无无无无 

2

/n: 无无无无无无无无无无无无无无

2

/n 无无无无无无无无无无

第第第第第第第第第 , 第第第第

第第第第第

第第第第第第第第第第第第第第第

第第

第第第第第第第第第第第第第 ,

第第”第第第”第第第第第第第

第第第第第第第第第第第第

第第第第第第

Kalman Filter 第第

第第第第第第第

第第第第第第

第第 (Ks,)

第第第 (

±



±

)

第第  第第第第第第第第第 , 第

第第第第第第第第第第第第第第

第第第第第第”第第”

第第第第第第第第

无无无无无无无无无无无无

XY 第第第第 , 第第第第第第第

第第第 (2 第 )

第 Z 第第第第第第第第

第第第第第第第第第第. 第第第第

第第第

无无 smoothing 无

2

, 无无无无

第第第第第第

第第第第第第

0

0

0

x

p d

y

p d

z

p d

p

x x c

m

p

y y c

m

p

z z c

m

  

  

  

sin( / ) [1 cos( / )] 0

sin( / ) [1 cos( / )] 0

0

y x

p d

y x

p d

z

p d

p p

x x ac m ac m

a a

p p

y y ac m ac m

a a

p

z z c

m

 

 

    

    

  

无无无无 , 无无无无无无无无无无无无无无无无无

无无无无无无 , 无无无无无无无无无无无

  第第第第

第 p 第第第

  第第第第

第第

第第第第第第第 , 第第第

第第第第第第第

无无无无无无无无无无无无无无无无无无无无无无无.

无无无无无 , 无无无无无无无无无无无无无无. 无无无无

无无无无无 , 无无无无无无无无无无无无无无无无

Ks 无无无无无无无