卡尔曼滤波器 - 两个相等传感器的融合

Question

3

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？

- Mat

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Malefitz · Accepted Answer

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。一种方法是使用新的测量值顺序更新卡尔曼滤波器。

请参阅传感器融合先驱Hugh Durrant-Whyte在this answer中找到的幻灯片，了解如何融合传感器数据的多种方法。