我对Python实现卡尔曼滤波非常感兴趣。首先,我编写了一个非常简单的K-Filter版本 - 只有一个状态(Y方向上的位置)。我的状态转移矩阵如下:
X <- X + v * t
假设 v 和 t 是常量。
我使用一个简单的线性函数来模拟测量。
y = mx + b
并对其添加噪声:
y1 = np.random.normal(y, sigma, Nsamples).
它的效果相当不错,我可以重新定义R和Q来改变测量和过程噪声值(目前为止,它还不是矩阵)。
现在我有一个想法...
如果我有第二个测量值会发生什么?
y2 = np.random.normal(y, sigma2, Nsamples)
我该如何处理它?我需要像这样预先过滤测量吗:
(y1 + y2) / 2
还是有一种更合适的方法/解决方案,涉及卡尔曼滤波器吗?