卡尔曼滤波器中预测矩阵与测量协方差矩阵的混淆
Confusion between prediction matrix and measurement covariance matrix in Kalman filter
我正在尝试在 MATLAB 中实现用于车辆跟踪的卡尔曼滤波器。车辆以恒定速度沿 X 方向移动。车辆的初始状态 =[x(t) v(t)].
我必须在 t=2 秒后找到车辆的位置。来自 GPS 的车辆位置被噪声破坏了。
我的问题是：如果我认为没有过程噪声，那么初始预测矩阵是否等于测量噪声矩阵？我不知道如何初始化预测矩阵。
从测量中初始化的状态的任何部分都可以从测量方差中初始化相应的方差。如果您所在的州有其他无法直接测量的变量（例如速度），那么您将不得不进行有根据的猜测，以判断您可能错了多远。方差的单位为 "state unit squared"（因为方差是标准差的平方）。因此，如果您的速度估计值有 68% 的机会（参见：正态分布）在 +/-7mph 以内，则初始方差将为 49 英里^2/小时^2。
我正在尝试在 MATLAB 中实现用于车辆跟踪的卡尔曼滤波器。车辆以恒定速度沿 X 方向移动。车辆的初始状态 =[x(t) v(t)].
我必须在 t=2 秒后找到车辆的位置。来自 GPS 的车辆位置被噪声破坏了。
我的问题是：如果我认为没有过程噪声，那么初始预测矩阵是否等于测量噪声矩阵？我不知道如何初始化预测矩阵。
从测量中初始化的状态的任何部分都可以从测量方差中初始化相应的方差。如果您所在的州有其他无法直接测量的变量（例如速度），那么您将不得不进行有根据的猜测，以判断您可能错了多远。方差的单位为 "state unit squared"（因为方差是标准差的平方）。因此，如果您的速度估计值有 68% 的机会（参见：正态分布）在 +/-7mph 以内，则初始方差将为 49 英里^2/小时^2。