我正在为一个应用程序添加一个简单的一维卡尔曼滤波器,以处理一些嘈杂的输入数据并输出一个清洁的结果。
我使用的示例代码来自这个教程和这个Python代码中的单变量示例部分。
这对于计算结果值非常有效,但是当我第一次了解卡尔曼滤波器时,我认为它们也可以用于提供有关输入中有多少“错误”的一些测量信息。
例如,假设我在测量一个值为10的值,但我的输入存在大量误差。我的输入数据可能看起来像6、11、14、5、19、5等(围绕10的某个高斯分布)。
但是,如果我切换到一个更少嘈杂的测量,测量值为9.7、10.3、10.1、10.0、9.8、10.1。
在这两种情况下,卡尔曼滤波器理论上将收敛到正确的测量值10。我想要的是还有一种数值估计这些数据流中有多少误差。
我相信这应该是可能的,而我正在尝试找到描述这一点的资源。我该怎么做呢?
我使用的示例代码来自这个教程和这个Python代码中的单变量示例部分。
这对于计算结果值非常有效,但是当我第一次了解卡尔曼滤波器时,我认为它们也可以用于提供有关输入中有多少“错误”的一些测量信息。
例如,假设我在测量一个值为10的值,但我的输入存在大量误差。我的输入数据可能看起来像6、11、14、5、19、5等(围绕10的某个高斯分布)。
但是,如果我切换到一个更少嘈杂的测量,测量值为9.7、10.3、10.1、10.0、9.8、10.1。
在这两种情况下,卡尔曼滤波器理论上将收敛到正确的测量值10。我想要的是还有一种数值估计这些数据流中有多少误差。
我相信这应该是可能的,而我正在尝试找到描述这一点的资源。我该怎么做呢?