2

我对在 Python 中实现卡尔曼滤波器很感兴趣。首先，我编写了一个非常简单的 K-Filter 版本——只有一个状态（Y 方向的位置）。我的状态转换矩阵如下所示：

X <- X + v * t

其中 v 和 t 是常数。

我用一个简单的线性函数模拟测量

y = mx + b

并为其添加噪音：

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，它还不是矩阵）。

现在我有一个想法...

如果我要进行第二次测量会怎样？

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

我怎么能处理它？我应该像这样预过滤测量：

(y1 + y2) / 2

还是有更合适的方法/解决方案涉及卡尔曼滤波器？

4

1 回答 1

1

有许多方法可以使用卡尔曼滤波器处理多个传感器测量的融合。一种方法是用新的测量顺序更新卡尔曼滤波器。

有关如何融合传感器数据的多种方法，请参阅此答案中的传感器融合先驱 Hugh Durrant-Whyte 的幻灯片。

于 2020-02-17T16:24:11.247 回答