我有一些加速度传感器,每秒收集数据:
AC.X AC.Y AC.Z
9234 -0.98 -0.10 0.03
9235 -0.98 -0.10 0.03
9236 -0.98 -0.10 0.03
9237 -0.98 -0.10 0.03
9238 -0.98 -0.10 0.03
9239 -0.98 -0.10 0.03
GPS数据集被以较长的时间间隔捕获:
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18
81 $GPGGA 181553.00 4105.86029 N 08754.49966 W 1 06 1.90 00208 M -033 M *53
133 $GPGGA 181554.00 4105.86052 N 08754.49954 W 1 05 2.04 00208 M -033 M *54
185 $GPGGA 181555.00 4105.86002 N 08754.49950 W 1 06 1.90 00208 M -033 M *59
237 $GPGGA 181556.00 4105.85944 N 08754.49889 W 1 06 1.90 00207 M -033 M *58
289 $GPGGA 181557.00 4105.85952 N 08754.49877 W 1 07 1.30 00210 M -033 M *52
341 $GPGGA 181558.00 4105.85925 N 08754.49852 W 1 06 1.35 00209 M -033 M *56
我一直在学习如何使用卡尔曼滤波器来整合这些数据,我开始逐渐理解算法的工作原理。两个数据集都会引入不同类型的误差(加速度计数据会随着时间漂移,但基本上没有噪音;GPS数据漂移很小,但有很多噪音),而卡尔曼滤波器可以让我们利用这些误差特性来获得更好的导航数据。然而,我仍然难以将其转化为代码。我擅长使用R和Python编程语言,但我只是想要一些通用的伪代码来帮助我入门。您知道任何好的资源或者对这类问题有经验吗?