我正在从Android手机上研究加速度计.我希望过滤加速度计正在返回的可怕噪音,记录手机的动作.
我正在读卡尔曼滤波器,因为低通是不够的.
但我没有从ACCELERATION(k-1)到ACCELERATION(k)的过渡模型,因为它是用户的动作.所以我没有状态转移矩阵(H或F在不同的论文中,在公式Xk = HXk-1 Bcommand噪声中乘以Xk-1)
我看到有些人在简单的例子中使用了单位矩阵.它如何适用于动态加速?
我知道卡尔曼滤波器,人们总是产生一些H矩阵,我只是不知道在我的情况下如何.
解决方法:
卡尔曼滤波器通常被认为是一个线性滤波器,您可以使用所有模型矩阵,但滤波器的概念及其首次应用来自非线性模型.在这种情况下,您使用函数而不是矩阵.
如果预测和更新的函数是高度非线性的,则可以使用统计方法在线估计参数.第一眼你可以采取的是unscented kalman filter,恢复了确定性采样技术 – unscented transformation的均值和协方差.我认为在你的情况下,这可能是最好的开始.
卡尔曼滤波器还有其他变种.你可以从wikipedia开始,但如果你谷歌“自适应卡尔曼过滤器”,你可以看到主题的多样性.
如果你想深入研究这个主题,但没有必要从所有数学开始,我推荐非常好的book: Kalman Filter for Beginners由Phil Kim开始.传感器融合还有其他可能性,但它是另一个广泛的主题.
标签:android,filter,accelerometer,kalman-filter
来源: https://codeday.me/bug/20190517/1123327.html