0

在过去的几天里，我使用 pykalman 通过加速度和速度测量来校正 GPS 坐标，效果很好。现在我想将得到的坐标 (1) 与第二个坐标测量值 (2) 结合起来，该坐标测量值非常精确，但记录率要低得多。我屏蔽了第二次测量中没有值（== 0）的所有元素。

我的问题是，我不知道矩阵的样子。也许卡尔曼滤波器甚至不适合我想做的事情。

非常感谢您提前。

for i in range(len(lat1)):

    if i == 0:
        measurements = ma.asarray([(lat1[i], long1[i], lat2[i], long2[i])])
    else:
        measurements = ma.append(measurements, [[lat1[i], long1[i], lat2[i], long2[i]]], axis=0)


for i in range(len(measurements)):
    if measurements[i, 2] == 0:
        measurements[i, 2] = ma.masked
    if measurements[i, 3] == 0:
        measurements[i, 3] = ma.masked


initial_state_mean = ma.asarray([measurements[0, 0], measurements[0, 1], measurements[0, 2], measurements[0, 3]])

transition_matrix = [[0, 0, 1, 0],  
                     [0, 0, 0, 1],  
                     [0, 0, 0, 0],  
                     [0, 0, 0, 0]]  


observation_matrix = [[1, 0, 0, 0],
                      [0, 1, 0, 0],
                      [0, 0, 1, 0],
                      [0, 0, 0, 1]]


kf1 = KalmanFilter(transition_matrices=transition_matrix,
                   observation_matrices=observation_matrix,
                   initial_state_mean=initial_state_mean,
                   observation_covariance=[[0.1, 0, 0, 0],
                                           [0, 0.1, 0, 0],
                                           [0, 0, 1, 0],
                                           [0, 0, 0, 1]],

                   transition_covariance=[[0, 0, 1, 0],
                                          [0, 0, 0, 1],
                                          [0, 0, 0, 0],
                                          [0, 0, 0, 0]]
                   )


(smoothed_state_means, smoothed_state_covariances) = kf1.smooth(measurements)

lat_corr = smoothed_state_means[:, 0]
long_corr = smoothed_state_means[:, 1]
4

0 回答 0