卡尔曼滤波器-两个相等传感器的融合

问题描述 投票:2回答:1

我对用Python实现Kalman过滤器很感兴趣。首先,我编写了一个非常简单的K过滤器版本-仅一个状态(Y方向的位置)。我的状态转换矩阵如下:

X <- X + v * t 

v和t为常数。

我用简单的线性函数模拟测量结果

y = mx + b

并添加噪音:

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

效果很好,我可以重新定义R和Q来更改测量和过程噪声值(直到现在,它还不是矩阵)。

现在我有一个主意...

如果我进行第二次测量会怎样?

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

我该如何处理?我是否可以对测量进行预过滤,如:

(y1 + y2) / 2

或者是否存在涉及卡尔曼滤波器的更合适的方法/解决方案?

python kalman-filter sensor-fusion
1个回答
0
投票

有许多方法可以使用卡尔曼滤波器处理多种传感器测量结果的融合。一种方法是依次用新的测量值更新卡尔曼滤波器。

请参阅this answer中的传感器融合先驱Hugh Durrant-Whyte的幻灯片,其中有很多方法可以融合传感器数据。

© www.soinside.com 2019 - 2024. All rights reserved.