卡尔曼滤波中的dt
是指时间间隔（time interval），用于描述两个连续状态之间的时间差。卡尔曼滤波是一种用于估计系统状态的算法，通过将测量值与系统模型进行融合，可以得到更准确的状态估计结果。
在卡尔曼滤波中，dt的值通常表示两次状态更新之间的时间间隔。它在状态转移方程和观测方程中起到关键作用，用于计算状态的预测和更新。
卡尔曼滤波的优势在于能够处理包含噪声和不确定性的系统，并且能够根据测量值的准确性和系统模型的可靠性进行自适应调整。它在许多领域都有广泛的应用，包括航空航天、导航、自动驾驶、机器人、信号处理等。
腾讯云提供了一系列与卡尔曼滤波相关的产品和服务，例如：
- 云服务器（ECS）：提供弹性计算能力，可用于实时数据处理和状态估计。 链接：https://cloud.tencent.com/product/cvm
- 云数据库MySQL版（CDB）：提供高可用性和可扩展的数据库服务，适用于存储和管理卡尔曼滤波中的状态数据。 链接：https://cloud.tencent.com/product/cdb_mysql
- 人工智能平台（AI Lab）：提供丰富的人工智能算法和工具，可用于卡尔曼滤波的数据处理和分析。 链接：https://cloud.tencent.com/product/ailab
请注意，以上产品仅为示例，实际选择应根据具体需求进行评估和决策。
相关·内容
1回答
我知道，当我们有一个测量和过渡方程时，就可以使用卡尔曼滤波。我也知道卡尔曼滤波器可以处理丢失的数据。从我在大学的课程中，我知道卡尔曼滤波器一直被用来做GDP预测。
我不知道卡尔曼滤波器是如何做到这一点的。我知道HP过滤器是如何工作的，我猜这两种方法是相似的。有人知道它的工作原理并能解释吗？
谢谢您的答复。
浏览 0提问于2022-12-15得票数 2
回答已采纳
我正在研制android手机上的加速度计。我希望过滤可怕的噪音，加速度计正在返回，记录手机的移动。
我在读卡尔曼滤波器，因为低通是不够的。
但是我没有从ACCELERATION(k-1)到ACCELERATION(k)的转换模型，因为它是用户的移动。因此，我没有状态转移矩阵(不同文献中的H或F，方程Xk = H_Xk-1 +B_command+noise中的Xk-1乘积矩阵)。
我看到一些人在简单的例子中使用了恒等矩阵。它如何在动态加速度下工作？
我知道卡尔曼滤波器，人们总是会产生一些H矩阵，我只是不知道在我的情况下是怎样的。
浏览 0提问于2013-01-22得票数 7
回答已采纳
2回答
稳态卡尔曼滤波的状态估计
、、、
我在一个系统上使用离散卡尔曼滤波器。
x(k+1)=A_k x(k)+B_k u(k)
y(k)=C_k x(k)
我从可用的有噪声的y(k)中估计了状态，其中一种状态是由相同的系统状态方程与状态的参考轨迹生成的。然后，我用错误的初始状态x0和一个大的初始协方差(模拟1)测试了它。我注意到KF工作得很好，经过几步，增益k很快收敛到接近于零的一个很小的值。我认为这可能是由过程噪声Q引起的。我把它设置得很小，因为Q代表了模型的准确性。
现在我想把它修改成稳态卡尔曼滤波器。在每次迭代中，我用模拟-1的稳定增益作为常数，而不是计算。然后，将这五个方程简化为一个方程：
X(k+1)^=()A
浏览 4提问于2016-04-07得票数 0
回答已采纳
1回答
我偶然在谷歌论坛上看到一篇文章，上面说卡尔曼滤波器是在安卓虚拟传感器( post#8)中实现的。但我在android文档中没有找到任何关于卡尔曼滤波器的内容。那么，卡尔曼滤波器真的是在android API中实现的吗？我可以从哪里获得虚拟传感器(TYPE_ROTATION_VECTOR)的源代码？
浏览 3提问于2013-04-02得票数 0
2回答
卡尔曼滤波与指数滤波
、、、、
我想知道，卡尔曼滤波和指数滤波的优缺点是什么？我有一个多传感器融合的问题，我试图决定选择哪种方法。
我认为，卡尔曼滤波在计算上更复杂，但它有一个更详细的系统模型，所以它更准确(？)在多传感器融合中。
指数滤波器是一个简单的方程，但它受到α(较高的α=>较少的“记忆”滤波器)的选择的限制，因而较小的平滑度，但对测量的权重较高而较低的α具有较高的平滑度，但突然的变化没有得到适当的反映。
指数滤波在存在抖动等噪声消除方面更为有用，而卡尔曼滤波则适用于实际的多传感器融合。这是正确的吗？
此外，遗传算法在传感器融合中的作用有多大？我试图结合一个磁罗盘和陀螺仪来估计真正的方位。
浏览 9提问于2010-12-06得票数 6
1回答
我正在使用KalmanFilter类在OpenCV中预测一个点。
我在跟踪一个轮廓，这意味着我收到了一个x，y点。
所以我的代码看起来是这样的：
首先，我得出了4个动态参数和2个测量参数。我的理解是，我的跟踪(x，y)位置是我的测量值，用它们的速度，我得到了4个动态参数。
#Give Input to Kalman class
kalman = cv2.KalmanFilter(4,2)
kalman.measurementMatrix = np.array([[1,0,0,0],[0,1,0,0]],np.float32)
kalman.transitionMatrix = np.arra
浏览 11提问于2022-07-11得票数 1
回答已采纳
2回答
假设我有来自同一变量的两个不同传感器的两个度量。我想知道是否有一种方法来进行信息融合，并获得一个独特的度量来描述整个系统(两个传感器)的最佳方式。
我知道Bar Campo传感器融合模型，但我想知道是否有任何模型没有采用经典的高斯假设，这样传感器融合可以处理坏数据/总错误。
谢谢。
浏览 2提问于2018-01-15得票数 0
回答已采纳
1回答
我希望改善我继承的应用程序的gps跟踪。我们追踪纬度、经度和高度。在跟踪之后，我们给出了速度，距离和垂直下降的统计数据。代码当前使用低通滤波器来控制高度，但稍后不做任何操作。这会引起速度和距离方面的问题。
我正在考虑实现卡尔曼滤波器来帮助降低噪声。我的问题是关于卡尔曼滤波器的不同版本。有了我们需要跟踪的内容，我是否可以使用卡尔曼滤波器，或者我是否需要研究扩展/无迹卡尔曼滤波器？
谢谢
浏览 2提问于2012-07-21得票数 8
回答已采纳
我正在关注一个可能很有名的关于卡尔曼滤波器的。
从这些代码行中：
figure;
plot(t,pos, t,posmeas, t,poshat);
grid;
xlabel('Time (sec)');
ylabel('Position (feet)');
title('Figure 1 - Vehicle Position (True, Measured, and Estimated)')
我知道x是真实位置，y是测量位置，xhat是估计位置。那么，如果我们可以计算x (代码：x = a * x + b * u + ProcessNoise;
浏览 0提问于2011-01-17得票数 1
回答已采纳
1回答
如果这个问题被张贴在错误的stackexchange站点上--请建议我可以将它迁移到哪里！
我在研究一个物体的速度，它与墙壁以及其他物体一起经历多种条件。目标位置的原始数据有轻微的噪声，原因有二:一是视频分辨率有限，二是我的跟踪软件在跟踪目标时也有一些误差(目标图像随时间的变化而略有变化)。
如果简单地利用物体位置的原始数据来计算物体的速度，就会有很大的误差(比速度更大)，因为物体是以较高的帧速率跟踪的。
我最感兴趣的是物体在碰撞前后的速度，因此这是一个重要的问题。
我已经考虑过/尝试过的可能选择。
将离散卡尔曼滤波应用于位置数据：这是一个经常出现在有关相关问题的帖子中的解决方案。然而，当
浏览 2提问于2013-01-31得票数 5
1回答
信息建模
、、、、
在我的项目中的传感器模块由一个旋转相机组成，它收集噪声的信息，有关在周围环境中移动对象的信息。
该信息由运动物体的距离、角和相对变化组成。
相机的限制视距使相机必须周期性地旋转以更新环境信息。
我正在寻找算法/方法来建模这些信息，以便能够猜测/预测/学习这些对象的运动特性。
我目前提出的想法是在队列中存储每个对象的最后n个快照。我取了移动物体的位置和速度的加权平均值，但我认为这是一个很差的方法。
你能说出一些适合这个案子的标题吗？
谢谢
浏览 7提问于2010-05-28得票数 2
回答已采纳
1回答
我有一个服务，从它得到用户的位置在一个时间间隔(例如，7秒)。行走路径显示在地图上，但正如您所看到的，有许多无效的位置，因为GPS接收器正在试图获得准确的当前位置。
蓝色的是显示的步行路径，黑色的是实际的步行路径。我正在考虑使用IMU作为筛选器，以检查检索到的位置是否在路径上，或者位置提供程序需要更多的时间来更新它。
这样做有可能吗？
浏览 1提问于2020-05-18得票数 0
回答已采纳
1回答
我收到的3D加速度计信号很明显很嘈杂。我正在尝试使用卡尔曼滤波器来消除这些信号的偏差和漂移。作为额外的输入，我有旋转矩阵。
我也可以使用移动平均滤波器，这将是很好的，但我如何使用Kalaman滤波器来平滑这些旋转矩阵的信号？
诚挚的问候
钦坦
浏览 2提问于2015-04-20得票数 1
在Visual领域，有著名的EKF/UKF/Particle-SLAM解决方案，比如“mono”。
最近，有一个方向的本地束调整方法，如lsd或orb .
我的问题是：
过滤方式是否仍然有一个未来或稳定的使用？在什么应用中？优点/缺点是什么？
我读了这些论文，但是，我没有得到最后的答案(主要是出于误解)：
P. S.：我知道第一种是说本地BA更好，而第二种很少提到过滤，所以..，就这样.，这是视觉-SLAM领域中可怕的卡尔曼滤波器的终结吗？！！
浏览 6提问于2017-12-25得票数 4
回答已采纳
我试图研究如何使用卡尔曼滤波跟踪一个物体(球)在一个视频序列中移动，所以请解释给我，因为我是一个孩子。
通过一些算法(颜色分析，光流.)，我可以得到每个视频帧的二值图像，其中有跟踪对象(白色像素)和背景(黑色像素) ->，我知道目标大小、目标质心、目标位置->只是简单地在目标->完成周围画一个包围框。我为什么要在这里使用卡尔曼滤波？
好的，有人告诉我，由于噪声，我无法在每个视频帧中检测到目标，所以我需要使用卡尔曼滤波来估计目标的位置。好吧，好吧。但据我所知，我需要向卡尔曼滤波器提供输入。它们是先前的状态和度量。
- previous state ( so I
浏览 26提问于2011-01-20得票数 13
1回答
基于卡尔曼滤波的碰撞检测
、、、、
根据后的说法，它可以用位置和速度来预测轨迹。我的问题是如何利用预测的轨迹来预测可能在5分钟内发生的碰撞。假设二维笛卡尔坐标系。
浏览 0提问于2019-01-16得票数 0
回答已采纳
1回答
用卡尔曼滤波器估计位置
、、、
我正在做一个室内定位的项目。我使用了NS2和一个名为Senelex的matlab GUI来查找节点的原始位置和估计位置。现在我想使用卡尔曼滤波器来估计节点/目标的位置。
例如：
如果我将目标的速度视为常数，我如何使用节点的估计或原始位置的确定值作为卡尔曼滤波器的输入。
以下是节点的估计位置和原始位置。
ori = [6.62650602409639 194.444444444445;
6.62650602409639 10.6837606837607;
192.168674698795 7.83475783475797;
192.16867469
浏览 2提问于2011-12-11得票数 7
回答已采纳
3回答
我有一个应用程序连续接收速度值(m/s)。这些值会产生一些噪声和变化。这个速度一直在变化，但有一些真正的变化值得注意。例如，当速度值显着下降时，可能会有转弯。
现在我使用最后一个X值的average，其中X通常是一个介于5-15之间的数字。我在excel中绘制了这些值，以查看与原始数据的差异。这很有效，但是历史值越大，我的曲线就越平滑( less lower )。higher历史值，我的曲线得到的smoother，但它也会对后期的更改做出反应，并忽略其中的一些更改。
我还尝试在平均计算中对最后一个值进行加权。结果是一条仍然有大量噪声的曲线，但只比原始数据少一点。
我正在寻找的是一种更复杂的方法
浏览 0提问于2012-08-01得票数 4
回答已采纳
我开始处理Android 2.1 (HTC Hero)上的gps数据，并四处看看与位置数据相适应的卡尔曼滤波和最小二乘的主题。在用电话接收和记录GPS数据时，我发现如果停留在位置上的话，会有很小的分散，但是移动时坐标非常精确。问题来了：- getLatitude()和getLongitude()函数是否提供了“原始”坐标，或者数据是由android预先过滤的(位置是固定的还是在移动期间)？
我很好奇有没有人在android上测试过Kalman，可以说你在gps上有一定的改进。在我的例子中，我每3秒读取一次GPS数据(通过移动网络将其与罗盘数据和加速度计一起发送到服务器)。因此，我可以在设备或服
浏览 1提问于2011-03-10得票数 5
1回答
我来自非数学背景，需要一些帮助在我的java应用程序中实现卡尔曼滤波器。基本上，我从地图上特定实体的各种传感器获得输入。输入是纬度和经度方面的位置及其精度。现在，根据我收到的同一实体的几个输入，我需要预测该实体在地图上的准确位置。请注意，我不必连续跟踪它。
如何向卡尔曼滤波器提供经纬度、经度和精度的输入，以便获得融合后的预测值作为输出，从中可以获得经度和经度，以便在地图上绘制相同的内容？
浏览 9提问于2014-06-12得票数 1
在C或Objective-C中有没有开源的卡尔曼滤波器实现来校正加速度计数据？
我找不到一个，但在我开始花一个月在这上面之前，我最好问一下:-)
浏览 0提问于2011-03-31得票数 3
回答已采纳
1回答
我的应用程序跟踪用户的位置，并为附近商店设置邻近警报，这些警报是由自动chickin类型功能的API返回的。当网络位置触发接近警报时，我正试图弄清楚如何提高准确性。我需要一些方法来确认用户在几分钟内再次检查，或通过GPS确认他们的当前位置。
问题的一部分是，处理接近警报的上下文是一个意图服务，因此当警报快速连续触发时，任何异步工作都会导致问题。显然，有一种方法可以正确地做到这一点(例如，Google+签入通知)，但我不知道下一步该去哪里看。
浏览 5提问于2013-05-13得票数 0
4回答
汽车跟踪路径的卡尔曼滤波
、、、、
我有一组像Point(x,y)这样的点。这辆车在同一条路上经过了这么多条路之后，几乎把地图弄乱了。我听说卡尔曼滤波器可以根据可用路径建立一个独立路径。
有人能说出怎么做吗？我不是计算机科学的人。所以请解释一下这个概念和那些矩阵。那我就给他们编密码。请大家给我讲讲这个概念。
浏览 7提问于2010-08-07得票数 3
我正在开发一个用于android导航的应用程序。这基本上意味着返回的gps坐标的质量对我来说至关重要。该应用程序主要在三星Galaxy S3上使用，最低版本为15。我曾考虑使用卡尔曼滤波器来改善我的位置数据，但我不太确定这是否能给我带来一些进展。我听说android设备上的gps数据已经用卡尔曼进行了预处理，我不太确定这是不是真的。因此，如果有人知道位置传感器返回的坐标是否已经使用卡尔曼进行了预处理，并且如果答案是肯定的，那么了解卡尔曼滤波器中使用的状态描述，也就是使用哪些其他传感器来描述系统的状态，这对我来说是非常重要的。
提前感谢您的答复。
浏览 2提问于2013-07-26得票数 1
我正在用Elliott网实现对对交易的随机传播方法。al (2005)。
这个过程包括模拟两只股票之间的价差，log(P1)-log(P2)，作为一个平均恢复过程，根据市场观察进行校准。
传播的隐藏状态进程可以这样编写：
x_{t+1} =A+ Bx_t + Ce_{t+1}
观察过程是：
y_t = x_t + D*w_t
e_t和w_t都是i.i.d。Gauusian N(0,1)
Elliott在他的论文中给出了Kalman滤波器方程，我在更新步骤的代码中实现了这个方程：
function [xt_t,st_t,xt_tm,kt,st_tm]=EMupdate(DATA_t,xt_t_m
浏览 3提问于2015-04-02得票数 2
1回答
时间序列预测中的卡尔曼滤波
、、、、
我有关于400个用户在1个月(30天)期间的行为的信息。在这30天里，我测量了4个不同的信息(我们称之为A，B，C和D)，因此我总共有4个时间序列。我的目标是从第5天开始，通过了解A、B、C和D的过去值来预测A的未来值。
A(5) = f(A(1,2,3,4), B(1,2,3,4), C(1,2,3,4), D(1,2,3,4))
理想情况下，我想估计整个未来的价值，从第5天到第30天。
我试着用LSTM作为上一个系列的输入，来预测未来的趋势。然而，我并没有得到很好的结果，我希望我可以使用一个更简单的方法。我发现了卡尔曼滤波的概念，其中时间步长k的值可以用过去的值来估计。这里有一些很好的例子
浏览 0提问于2017-11-29得票数 4
1回答
我有两个数据集，包含点几何(X,Y)和一个记录的汽车排气参数(比如说，RP值)，一个感兴趣的区域(AOI)。数据集在空间上是不同的，即第一组数据集沿人行道(X1，Y1，RP1)，第二组数据集(X2，Y2，RP2)位于道路中线(直线分裂成等距2米点)。
沿人行道的数据与在道路中心线上的数据之间的距离是不同的，在某些位置是3-6米，在某些位置是>6米(比方说，6-20米范围)。这是由于这一距离反映了不同的道路宽度，长度在一个现实的，复杂的城市景观。
有了上述数据，我想融合这两个数据集，考虑到沿边行走的数据“更可靠”(从而更高的权重？)，并将融合输出与AOI中有限位置的参考数据进行比较，以评估
浏览 0提问于2022-07-20得票数 1
回答已采纳
1回答
我需要编写一个应用程序，在时间序列信号上计算一些缺失的值。我在R中使用ImputeTS包做了类似的事情，但是现在我需要用Java来完成它。
我只是在互联网上搜索，发现滤波器是Java中现有的卡尔曼滤波器的一个实现。但他们似乎没有在过滤器内使用ARIMA内部模型。例如，在Apache中有转换矩阵和度量矩阵，但是我如何改变它们，使带有(p，q，d)参数的ARIMA非季节模型可以作为Kalman滤波器的内部状态模型？
我不期望有人写所有的代码，但也许有人可以解释如何进行上述工作？
浏览 1提问于2018-06-05得票数 0
我正在使用OpenCV solvepnp进行实时的头部姿势估计(x，y，z，俯仰，偏航，滚动)我正在使用这些信息向用户显示视频游戏中的正确视图，所以如果用户翻滚他的头，同样的事情也会发生在视频游戏中(如Xbox Kinect )。问题是，即使用户的头部是恒定的，输出am也是嘈杂的(显示用户在移动头部，而不是移动头部)，或者当用户移动头部时，输出也不平滑，坐标到处跳动。我尝试添加更多的2d点(面部地标)，并为solvepnp甚至solvepnpransac添加不同的标志，但都不起作用。下面是我使用的代码 double getCordinates(double *listPtr, int siz
浏览 54提问于2020-10-26得票数 1
2回答
位置传感器融合码
、、
我正在为我正在做的一个小型虚拟现实POC进行室外定位。我想用GPS和IMU传感器来控制游戏角色的移动(而不是用IMU完成的旋转)。
我需要融合GPS和ACC传感器，以获得尽可能少的延迟和错误。周围有这样的核聚变吗?还是我必须从头开始发明？
该代码将用于此开放源码项目
编辑：本文建议使用Kalman ，但是这里的人认为加速度计的误差太大了，不能工作。
浏览 6提问于2013-02-21得票数 4
回答已采纳
1回答
我目前正在学习人工智能课程中的隐马尔可夫模型。然而，我找不到任何关于平滑的例子来清楚地理解它。 我知道我们在哪些情况下使用平滑，但我不知道如何实现它。 有人能帮上忙吗？
浏览 28提问于2019-01-09得票数 0
1回答
我既不是OpenCV方面的专家，也不是python方面的专家，但在经历了太多关于cv库的糟糕的c#实现之后，我决定冒险一试。
到目前为止，我已经让'blob‘(读轮廓)跟踪以我想要的方式工作了-我现在的问题是遮挡，这个问题，据我(和无数的youtube视频)理解，卡尔曼滤波器可以解决。问题是，python中的相关示例似乎并不存在，并且示例代码基本上没有注释，因此，一条遍布商店的红黄线如何解决我的问题对我来说是一个谜。
我想要实现的是像这样的或。
如果有人能给我指出(或提供)一个使用从摄像头或视频中提取的实际图像的示例，我将非常感激。
提前谢谢。
浏览 0提问于2013-03-26得票数 3
回答已采纳
3回答
我有一个应用程序，我想访问磁强计。我从我的应用程序中获得结果，但与g1的指南针应用程序相比，我的应用程序与指南针应用程序得到的结果完全不同。例如:我的应用程序是250°，指南针应用程序是90°！这是不可能的，这是我的代码。有什么区别才能得到更好的结果吗？
public class MySensorListener implements SensorListener{
int orientation;
public MySensorListener(){
orientation = 0;
}
public void onAccuracyChanged(int sen
浏览 1提问于2010-12-06得票数 0
1回答
我有一组12个IMU安装在我的机械臂的末端执行器上，我使用微控制器读取它来确定它的运动。使用我的控制器，我可以使用直接内存访问同时读取两个传感器。在获得测量值之后，我想将它们融合起来，以弥补传感器的误差，并生成比只有一个传感器更可靠的读数。 经过一些研究后，我的理解是，我可以使用卡尔曼滤波器来达到我想要的结果，但仍然存在所有传感器的值具有不同时间戳的问题，因为我一次只能读取两个时间戳，即使两个时间戳将完全同步，如果仅在µs范围内，下一对将具有不同的时间戳。 现在我知道了控制工程原理，但对传感器融合这个话题完全陌生，google向我展示了太多的结果，无法在合理的时间内找到解决方案。因此，我的问
浏览 13提问于2020-01-31得票数 0
回答已采纳
3回答
视频帧的卡尔曼滤波跟踪与预测
、、、、
我是卡尔曼滤波的新手，但是用MATLAB可以应用卡尔曼滤波来预测和跟踪视频帧中的目标吗？
进一步的信息:我有一组连续的20张子弹从枪里射出来的图像(一张照片的爆发)。我在画面上做了一些图像处理，现在我可以把子弹作为一个点。我能预测子弹在第21帧中的位置吗？
注:我已经知道了，我需要循环图像帧，并制作一个视频，然后把它用于卡尔曼滤波预测。但是，在不把帧变成视频的情况下，做预测是可能的吗？
谢谢。
浏览 15提问于2014-07-05得票数 3
回答已采纳
2回答
一个家伙在上发布了关于使用卡尔曼滤波器进行目标跟踪的信息。许多人评价很高，所以这不是一个错误/错误的教程。
然而，一个家伙发布了以下问题：“在这段代码中，你在每一帧都做了检测，这个输出是作为输入提供给卡尔曼filter.So的背景减法和卡尔曼滤波器会给出类似的results.So，请你在这里解释卡尔曼滤波器的使用。”
我和他有同样的想法。有人能解释一下卡尔曼滤波器的用法吗？
浏览 2提问于2011-01-21得票数 1
回答已采纳
我正在用C++实现一个基于卡尔曼滤波器的AHRS。在过滤器的方程式中有一些对我来说相当奇怪的东西。 ? 我找不到P(协方差)矩阵实际更新的部分，以表示预测的不确定性。在“预测”步骤中，P的估计值是从它之前的值A和Q计算出来的。据我所知，A(系统矩阵)和Q(噪声协方差)是恒定的。然后在“校正”期间，根据K、H和预测的P计算P。H(观测矩阵)是恒定的，因此影响P的唯一变量是K(卡尔曼增益)。但是K是从预测的P，H和R(观测噪声)计算出来的，它们要么是常数，要么是P本身。那么，方程中使P与x相关的部分在哪里？对我来说，似乎P在这里递归循环，只依赖于P的常量和初始值，这没有任何意义。我遗漏了
浏览 171提问于2020-04-29得票数 1
回答已采纳
1回答
无人机的三维位置预测
、、、、
我有来自跟踪器的无人机位置数据，以及基于卡尔曼滤波器变体的数据对速度和加速度的估计，这些数据似乎相当不错。
我希望预测(/give一个合理的猜测)无人机在未来几秒钟的位置，我不确定最好的策略是继续估计jerk，snap，crackle和pop，并将它们包括在计算中，或者是否有更好的方法，我错过了。
感谢您的帮助。
浏览 0提问于2018-06-23得票数 0
所以，在这个问题上，如果我是对的或不对的话，我将非常感谢你的提示和进一步的信息。
要计算固定锚(如GPS)在距离测量上的位置，需要解决三边化问题，例如:非线性最小二乘、几何算法或粒子滤波，这也可以解决三边问题。
由于噪声/误差，结果可能是锯齿状的线->，你可以使用卡尔曼滤波来平滑它。目前为止:粒子计算，卡尔曼平滑。现在：
是否有可能使用卡尔曼滤波器不是为了平滑已经存在的结果，而是解决这样的三边化？
关于粒子过滤器:如何使用粒子过滤器不是解决三边化，而是平滑一个已经存在的结果(例如，用NLLS计算)？
最好和感谢您的任何提示，论文，视频，解决方案等！
浏览 5提问于2017-01-19得票数 2
回答已采纳
1回答
我正在开发一个应用程序，它需要确定人类的活动，使用加速度计和陀螺仪，或者这种设备之一。
我用手机的传感器来定义加速度。然后我用这种积分来得到速度和位移。
这意味着，我取加速度的第一个值，乘以下一个值，除以2，乘以测量之间的时间。所以我得到了梯形，它定义了时间的时刻的速度。然后我加入所有的梯形来接收速度。位移也是一样，但是这种方法很糟糕。但这还不是全部..。
加速度计使不可预测的输出！
手机上上下下
手机关机
问题如下：
有什么方法可以避免集成的巨大错误吗？
还有别的方法从加速度中获得速度吗？
我的加速度计数据正确吗？(电话是上升还是下降，我如何确定这个)？
浏览 9提问于2014-06-09得票数 0
回答已采纳
我需要一些帮助关于布线植物模型到LabVIEW中的EKF块。我已经检查了样本VIs，但问题是在我的应用程序中，用于在EKF中表示模型的矩阵A、B和C是时间相关的，并且随着模拟的进行而变化。然而，在所提供的样本中，植物模型被作为静态参考VI，它不随时间变化。请告诉我如何解决这个问题。
提前谢谢。
浏览 2提问于2013-06-11得票数 0
1回答
我对用Python实现卡尔曼滤波器很感兴趣。首先，我编写了一个非常简单的K滤波器版本--只有一个状态(在Y方向上的位置)。我的状态转换矩阵如下所示：
X <- X + v * t
其中v和t是常量。
我用一个简单的线性函数来模拟测量
y = mx + b
并向其添加噪声：
y1 = np.random.normal(y, sigma, Nsamples).
它工作得很好，我可以重新定义R和Q来改变测量和处理噪声值(直到现在，它不是一个矩阵)。
现在我有个主意..。
如果我有第二次测量，会发生什么？
y2 = np.random.normal(y, sigma2, Nsample
浏览 22提问于2020-02-13得票数 2
回答已采纳
2回答
卡尔曼滤波与内部状态变量的质量
、、、、
我正在尝试为Android开发运动检测应用程序。应用程序应该能够跟踪手机在空间的运动，并将其映射到电脑屏幕上的移动。我使用三轴加速度计，由于数据非常嘈杂，我使用卡尔曼滤波。
内态为6分量矢量速度x、速度y、速度z、accel-x、accel-y、accel-z，测量状态为3分量矢量accel-x、accel-y、accel-z.
对于测量值，滤波器工作得很好，但是速度仍然很嘈杂。
现在我想知道这是正常行为还是我做错了什么，因为我对卡尔曼滤波的理解是非常基本的。我使用的是JKalman库和以下状态转换矩阵(dt为1/15，这是传感器的刷新速度)。
双A={{ 1，0，0，dt，0，0
浏览 7提问于2012-02-10得票数 6
2回答
我想学习用卡尔曼滤波来跟踪移动的球。虽然有许多教程可用，但我仍然有一些问题。
，如果我们能在视频序列的每一帧中提取球，我们就会知道球的位置。那么，为什么我们还需要使用Kalman fiter呢？卡尔曼滤波器: x(k+1) = A.x(k) + B.u(k) +噪声
y(k) = C.x(k) +噪声
那么，我们如何定义A，B，C？假设我们要追踪移动的球？
3.如果我们知道以前的状态x(k-1)和当前状态y(k)的测量，我们就可以计算出估计的状态。在跟踪移动球的情况下，“测量”是什么？
浏览 5提问于2011-01-17得票数 7
回答已采纳
3回答
室内定位系统的卡尔曼滤波算法
、、、、
我正在使用BLE (蓝牙低能量)通过其RSSI和三边定位算法进行室内定位系统。
问题是如何使用RSSI找到准确的距离。
由于某些干扰，每次信标都会给出不同的RSSI值。
我读到卡尔曼滤波器可以在某种程度上解决这个问题，但是我如何使用卡尔曼滤波器呢？
据我所知，有两个函数。一个是预测，另一个是校正。但是我应该从哪里开始呢？
浏览 4提问于2017-03-03得票数 0
2回答
陀螺仪与加速度计数据的结合
、、、、
我正在建立一个平衡机器人使用乐高头脑风暴的NXT系统。我使用来自HiTechnic的两个传感器，第一个是加速度计，第二个是陀螺仪。我成功地滤除了来自两个传感器的噪音，并在-90到90度的范围内导出了角度，0度是完全平衡的。
我的下一个挑战是结合两个传感器值来校正陀螺仪随时间的漂移。下面是我从实际数据中创建的演示陀螺仪漂移的示例图：
我见过的最常用的组合这些传感器的方法是使用卡尔曼滤波器。然而，我不是微积分方面的专家，我真的不懂数学符号，我确实理解源代码中的数学。
我使用的是RobotC (和其他任何C导数一样)，如果有人能给我举例说明如何用C实现这一点，我会非常感激的。
谢谢你的帮助
浏览 6提问于2009-10-19得票数 72
回答已采纳
如果我有一系列的观察值，比如说x和y的100个样本。这是否足以预测对应于x值的第101个y?我是否可以使用100个样本的数据中的某一部分来更新某些值(考虑到存在噪声，并且某些数据可能被破坏)？
浏览 4提问于2016-11-22得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
