两个相等传感器的卡尔曼滤波融合

Question

我对用Python实现卡尔曼滤波器感兴趣。首先，我已经编程了一个非常简单的K-过滤器版本-只有一个状态（Y方向的位置）。 我的状态转移矩阵如下所示：

X <- X + v * t 

v和t是常数

我用一个简单的线性函数来模拟测量

y = mx + b

并添加噪音：

y1 = np.random.normal(y, sigma, Nsamples).

它工作得很好，我可以重新定义R和Q来改变测量和处理噪声值（直到现在，它还不是一个矩阵）

现在我有一个想法

如果我进行第二次测量会发生什么

    y2 = np.random.normal(y, sigma2, Nsamples)

我怎么办？我是否应该进行如下预滤器测量：

(y1 + y2) / 2

或者是否有更合适的方法/解决方案涉及卡尔曼滤波器

Answer 1

使用卡尔曼滤波器处理多传感器测量值的融合有多种方法。一种方法是用新的测量值顺序更新卡尔曼滤波器

有关融合传感器数据的多种方法，请参见传感器融合先驱休·达兰特·怀特在this answer中的幻灯片