回答你第一个问题:是的,卡尔曼滤波不介意测量到相同的传感器,两个传感器,或多个传感器。只要你知道你当每个传感器检测和使用正确的时间区别每个连续测量,你可以用它以同样的方式,你上面写的。它将看起来的:
XY_pos1 = (33.544 - -214.86
99.551 - -218.83
140.1 - -213.7
179.69 - -206.96
218.29 - -200.07
236.45 - -215.53
270.55 - -200.66
311.27 - -193.14
347.55 - -176.33
378.1 - -167.25
405.9 - -145.6
422.43 - -132.86
452.4 - -92.974
462.61 - -70.885
470.82 - -54.077
470.59 - -42.721
467.96 - -24.212
459.13 - 4.495
452.39 - 40.051
458.39 - 69.918
440.54 - 104.4);
t1 = 0.5 *(1:尺寸(XY_pos1, 1));%承担dt传感器1是0.5秒
%创建一个数组1时间和位置传感器测量
XYT1 = (t1, XY_pos1];
%重复传感器2假设的dt是1秒。我用相同的
%的数据,但其他时间测定
XYT2 = XYT1(1:2:最终,);
%的测量时间
XYT = sortrows ([XYT1; XYT2]);
%从代码在本质上是一样的,但是请注意使用
%的XYT变量
initialState = [XYT (1、2);0;XYT (1、3);0);
KF = trackingKF (“MotionModel”,“二维恒定速度”,“状态”,initialState);
为k = 1:尺寸(XYT, 1) 1
步伐= XYT (k + 1, - 1) -XYT (k, 1);
predStates (k) =预测(KF,步伐);
:corrStates (k) =正确(KF, XYT (k + 1, 2:3) ');
结束
%绘制结果
情节(XYT (:, 2), XYT (:, 3),“x”DisplayName =“测量”);
持有在
情节(predStates (: 1) predStates (:, 3), DisplayName =“预测”);
情节(corrStates (: 1) corrStates (:, 3), DisplayName =“纠正”);
传奇(位置=“西北”)
卡尔曼滤波器可以忽略“局外人”或“噪声”位置测量吗?
简短的回答是否定的。主要使用卡尔曼滤波器是滤波器的测量,所以它不应该忽略噪声测量。然而,如果你知道有一些异常值是完全的原因(例如,你得到一个测量(1000、1000)在上面的设置中,然后你——作为一个知情人士问题应该删除,测量的数据集。过滤器不能猜这个测量是比另一个更离群值测量。
