卡尔曼滤波器 - 两个相等传感器的融合

Posted 2023-02-21

【中文标题】卡尔曼滤波器 - 两个相等传感器的融合

【英文标题】：Kalman Filter - Fusion of two equal sensors

【发布时间】：2020-02-13 09:05:08

【问题描述】：

我对在 Python 中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-Filter 版本——只有一个状态（Y 方向的位置）。 我的状态转换矩阵如下所示：

X <- X + v * t 

其中 v 和 t 是常数。

我用一个简单的线性函数模拟测量

y = mx + b

并为其添加噪音：

y1 = np.random.normal(y, sigma, Nsamples).

效果很好，我可以重新定义 R 和 Q 来更改测量和处理噪声值（直到现在，它还不是矩阵）。

现在我有了一个想法……

如果我要进行第二次测量会怎样？

    y2 = np.random.normal(y, sigma2, Nsamples)

我该怎么办？我应该像这样预过滤测量吗：

(y1 + y2) / 2

或者是否有更合适的方法/解决方案涉及卡尔曼滤波器？

【参考方案1】：

有多种方法可以使用卡尔曼滤波器处理多个传感器测量的融合。一种方法是使用新的测量值顺序更新卡尔曼滤波器。

请参阅this answer 中传感器融合先驱 Hugh Durrant-Whyte 的幻灯片，了解如何融合传感器数据的多种方法。