我有一个关于多普勒雷达飞机跟踪的问题:
我们已经实现了一些算法,基于三个或四个接收器的多普勒雷达来计算飞机位置。
问题是,轨迹看起来相当“抖动”(请参见链接中的图片,很抱歉由于声誉问题我无法在此添加)。
GPS和Mlat Track
绿线是地面上飞机的真实GPS轨迹,橙色是通过多普勒雷达(到达时间差异,每秒大约一到两个位置)计算出的轨迹。 GPS轨迹仅用于比较,未来可能无法使用。
有什么好方法可以平滑轨迹?我偶然发现了卡尔曼滤波器。我不是数学家,也没有任何机器人或类似领域的经验。这个级别的数学对我来说极难理解(我很高兴我能够相当好地处理多普勒雷达)。轨迹是通过封闭形式算法计算的。也许切换到迭代算法也可能有所帮助?
那么,在多普勒定位结果上实施卡尔曼滤波算法是否有意义?或者在实际计算位置之前已经对TDOA值进行了处理?不稳定的外观导致接收器现场存在轻微的测量误差,因此平滑/过滤TDOA值本身可能会有所帮助。
但是,我仍然需要一个非常复杂的更新模型,因为飞机正在移动,而TDOA值取决于真实飞机位置。我可以想象,用于平滑轨迹和平滑TDOA值的模型非常相似,如果不是完全相同。
我们使用Java完成所有操作,因此可能有一些库可用,可以避免重新进行所有数学计算吗?
有什么好方法可以平滑轨迹?我偶然发现了卡尔曼滤波器。我不是数学家,也没有任何机器人或类似领域的经验。这个级别的数学对我来说极难理解(我很高兴我能够相当好地处理多普勒雷达)。轨迹是通过封闭形式算法计算的。也许切换到迭代算法也可能有所帮助?
那么,在多普勒定位结果上实施卡尔曼滤波算法是否有意义?或者在实际计算位置之前已经对TDOA值进行了处理?不稳定的外观导致接收器现场存在轻微的测量误差,因此平滑/过滤TDOA值本身可能会有所帮助。
但是,我仍然需要一个非常复杂的更新模型,因为飞机正在移动,而TDOA值取决于真实飞机位置。我可以想象,用于平滑轨迹和平滑TDOA值的模型非常相似,如果不是完全相同。
我们使用Java完成所有操作,因此可能有一些库可用,可以避免重新进行所有数学计算吗?