Kalman Filter (KF), developed by Rudolf Kalman, works on the principle of using previous outputs as input for next iteration and reducing error covariance in each iteration to predict future values.KF uses both update and prediction steps for noisy situations, whereas it uses only prediction step to estimate the unmeasurable status of the system. Selecting the KF parameters is an important factor to get more accurate results. Parameters of KF (measurement covariance matrix R, process covariance matrix Q, and initial error covariance P should be optimally selected. In conventional approach, determination of these parameters is based on user experience but when the literature analyzed, R, Q and P parameters are also selected by intelligent optimization algorithms. This thesis proposes detecting unused intelligent optimization algorithms in literature for optimizing KF parameters and comparing elapsed time and accuracy values of them. It is observed that different algorithms give different performance values for different scenarios.

Rudolf Kalman tarafından geliştirilen Kalman Süzgeçleme (KS) gelecekteki değerlerin kestirimi için modelin geçmişteki verilerinden yola çıkarak bir sonraki iterasyonda girdi olarak çıktıları kullanması ve hata kovaryansını her iterasyonda azaltması prensibine göre çalışmaktadır. Gürültülü durumlarda süzgeçleme işlemini hem güncelleme hem tahmin adımlarıyla gerçekleştiren KS, sistemde ölçülemeyen durumları ise sadece tahmin adımını uygulayarak kestirebililmektedir. KS'nin daha doğru sonuçlar verebilmesi için parametrelerinin de uygun seçilmesi önemli bir faktördür. KS parametrelerinden ölçüm kovaryans matrisi R, işlem kovaryans matrisi Q ve başlangıç hata kovaryansı P değerlerinin en uygun şekilde seçilmesi gerekmektedir. Klasik yaklaşımda, bu seçim kullanıcı deneyimine bırakılırken, literatür incelendiğinde bu seçimin optimizasyon algoritmalarıyla da yapılabildiği görülmüştür. Bu tez çalışmasında, Kalman Süzgeçleme parametrelerinin eniyilenmesi için henüz literatürde çalışılmamış zeki optimizasyon tekniklerinin tespit edilmesi ve hem bu tekniklerin başarımlarının hem de tekniklerin birbiriyle işlem süresi ve doğruluk kriterleri açısından kıyaslanması amaçlanmıştır. Gerçekleştirilen detaylı benzetim çalışmaları ile farklı senaryolar için farklı algoritmaların başarılı olduğu gözlemlenmiştir.