0

我正在使用卡尔曼平滑器根据 GPS 点估计一个人的路径。前段时间我已经有一个问题，这里回答得很好：kalman filter 2d with pykalman。但是现在我遇到了问题，卡尔曼滤波器严重过度拟合这些点。平均到测量点的平均距离变化为 0.00016 m。所以我的问题是，如何防止卡尔曼滤波器过度拟合？

我的代码：

#the inputgdf.geometry looks like this(swiss coord):
[[ 2613496 1265201 ]
 [ 2613495 1265205 ]
 [ 2613498 1265207]
 ...]

def get_kalman_koordinates(inputgdf):
    transition_matrix = np.array([[1, 0,1,0],
                                  [0, 1,0,1],
                                  [0,0,1,0],
                                  [0,0,0,1]])
    
    observation_matrix = np.array(
    [[1, 0, 0, 0],
     [0, 1, 0, 0]])
    inputgdf["x_koord"]=inputgdf.geometry.x
    inputgdf["y_koord"]=inputgdf.geometry.y
    
    measurements = np.asarray(inputgdf[["x_koord", "y_koord"]])
    #print(measurements)
    kf = pykalman.KalmanFilter(
    transition_matrices=transition_matrix,
    observation_matrices=observation_matrix)
    #kf.em(X=measurements, n_iter=5)
    (smoothed_state_means, smoothed_state_covariances) = kf.smooth(measurements)
    inputgdf["Kalman_x"]=smoothed_state_means[:,0]
    inputgdf["Kalman_y"]=smoothed_state_means[:,1]
    result = geopandas.GeoDataFrame(
    inputgdf, geometry=geopandas.points_from_xy(inputgdf.Kalman_x, inputgdf.Kalman_y),crs= "EPSG:2056")
    return result

我在这里还是很新，所以欢迎任何反馈，我可以如何改进我的问题。

4

0 回答 0