维度不匹配：数组 'cov' 的形状为 (1, 1)，但 'mean' 是长度为 2 的向量

Posted 2023-02-21

【中文标题】维度不匹配：数组 \'cov\' 的形状为 (1, 1)，但 \'mean\' 是长度为 2 的向量

【英文标题】：Dimension mismatch: array 'cov' is of shape (1, 1), but 'mean' is a vector of length 2维度不匹配：数组 'cov' 的形状为 (1, 1)，但 'mean' 是长度为 2 的向量

【发布时间】：2015-11-26 04:10:37

【问题描述】：

我正在尝试执行以下代码

p, c = [], []
for z in mes:
    print (z)
    print (c)
    print (p)
    p.append(kf.x)
    c.append(kf.P)
    kf.predict()
    kf.update(z) #error on this line

我得到了错误：

ValueError：维度不匹配：数组“cov”的形状为 (1, 1)，但 'mean' 是长度为 2 的向量。

这是屏幕上显示的输出

[512  102]
[array([[ 1000.,     0.,     0.,     0.],
       [    0.,  1000.,     0.,     0.],
       [    0.,     0.,  1000.,     0.],
       [    0.,     0.,     0.,  1000.]])]
[array([[ 396.],
       [  187.],
       [    0.],
       [    0.]])]

如果我只取z 的第一个元素，它可以正常工作，但是，这不是我想要的行为。

p, c = [], []
for z in mes:
    print (z)
    print (c)
    print (p)
    p.append(kf.x)
    c.append(kf.P)
    kf.predict()
    kf.update(z[0]) 

更新附加信息

此错误来自multivariate.py in scipy。我似乎无法从(1,1) 更改cov 的形状。我可以通过使用z[0] 来更改mean 的长度，但是，这是不希望的。我想按原样使用z。我还将整个代码发布为gist here。我还将filterpy library 用于卡尔曼滤波器。有一个live python notebook 使用这个卡尔曼滤波器，但是，它不像我的场景那样使用z。

【问题讨论】：

能否包含定义kf 和mes 的代码（或虚拟代码）？我无法弄清楚你的代码想要做什么。

错误本身很简单：在kf.update() 的实现中，有一些操作涉及一个名为c 的变量和一个名为mean 的变量（我猜这是@ 的参数987654344@)，其尺寸需要兼容才能进行操作。可能是矩阵乘法。但我不能说更多，特别是如何修复它，至少不知道您正在使用哪种卡尔曼滤波器实现。对您正在尝试做的事情进行高级描述也会很方便。

@maxymoo 我已经在这里发布了整个代码作为要点gist.github.com/Omnipresent/…我正在使用来自这个库的卡尔曼过滤器github.com/rlabbe/Kalman-and-Bayesian-Filters-in-Python

@DavidZ 我正在使用 github.com/rlabbe/Kalman-and-Bayesian-Filters-in-Python 来实现卡尔曼滤波器。我还添加了代码的要点gist.github.com/Omnipresent/… 你是对的。但我似乎无法弄清楚如何更新cov，使其不是(1,1)。我想如果我能改变它……一切都会奏效。 mean 的长度为 2，但我想保持这种状态。就像我提到的，如果我将它的长度更改为 1 (z[0]) 一切正常。

@Anthony 好的，这有帮助。但是让我建议将这些 cmets 的内容编辑到问题中。即使在 cmets 被删除后，这些信息也很重要。

【参考方案1】：

使用 filterpy 库时，您需要自己负责设置卡尔曼滤波器的初始状态，并且各种矩阵的维度需要兼容。如果您查看KalmanFilter.update() 方法，您可以跟踪它所做的计算并得出以下矩阵维度的约束集：

R.shape == (dim_z, dim_z)
H.shape == (dim_z, dim_x)
P.shape == (dim_x, dim_x)
x.shape == (dim_x, 1...)
z.shape == (dim_z, 1...)

1... 可以表示一些大小为 1 的维度序列，这对于两者都是相同的。例如，在您的情况下，dim_x == 4 和 dim_z == 2 可以有 x.shape == (4, 1) 和 z.shape == (2, 1)，或者您可以有 x.shape == (4,) 和 z.shape == (2,)，但您不能混合搭配。 （请注意，KalmanFilter.__init__() 文档似乎为 H 提供了错误的所需尺寸。）

您的代码在两个地方设置了错误的尺寸：

您将 H 设置为 1x4 矩阵，而不是应有的 2x4。 （我注意到这里你已经注释掉了有效的代码。） 您将R 设置为标量值而不是2x2 矩阵。可以说卡尔曼滤波器实现应该考虑到这一点，但它仅在您将R 作为参数传递给update() 时这样做，而不是在您提前设置它时。 （不过要小心：如果您将 R 设置为标量，代码仍然会工作！不过，它会做我认为错误的事情：将 2 添加到 a矩阵而不是添加 2 倍的单位矩阵。）

当您将z 传递给update() 方法时，您传递的是一个二元素列表，该列表被转换为一个二元素向量，而不是一个2x1 矩阵，因为它应该与x 兼容（即 4x1）。 可以通过在调用 update() 之前在循环体中运行 z = np.array([z]).T 来解决此问题。但我认为有一个更好的方法：保持 z 不变，将 x 设为 4 元素向量：

x = np.array([measurements[0][0],measurements[0][1],0.,0.])

我不确定作者是否打算这样做，但（目前）确实如此，而且可能应该如此。我认为在传入之前要求将每个测量值转换为 2x1 矩阵有点愚蠢。

KalmanFilter 包含一个test_matrix_dimensions() 方法，您可以使用该方法检查设置中的错误。但我对此有点矛盾，因为如果您将 x 设置为 4 元素向量，正如我在上一段中建议的那样，它会将其标记为不正确。