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
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
相关问题 更多 >
编程相关推荐