python卡尔曼滤波 库_Python学习-卡尔曼滤波

依旧是Python课程 _(:з」∠)_  期末需要完成小组作业，选题内容主要是用卡尔曼滤波来实现交通参数的预测。已有数据包括：历时7天的上下匝道线圈数据，匝道口上下游的数据。数据采集点及数据结构如下图所示。

数据结构

数据采集点

预想通过上游NX39、匝道入口ZP=NI=01/02的历史和当前数据，以及NX40的历史时间序列数据，来预测下一时刻NX40处的交通参数：流量、密度、占有率。

卡尔曼滤波器算法(The Kalman Filter Algorithm)

卡尔曼滤波的原版论文：《A New Approach to Linear Filtering andPrediction Problems》(线性滤波与预测问题的新方法)http://www.cs.unc.edu/~welch/kalman/media/pdf/Kalman1960.pdf

离散控制系统X(k)=A X(k-1)+B U(k)+W(k)

X(k)是k时刻的系统状态，U(k)是k时刻对系统的控制量。A和B是系统参数，对于多模型系统，他们为矩阵。W(k)表示过程的噪声，假设成高斯白噪声(White Gaussian Noise)，covariance 是Q(这里我们假设不随系统状态变化而变化)。Z(k)=H X(k)+V(k)

Z(k)是k时刻的测量值，H是测量系统的参数，对于多测量系统，H为矩阵。V(k)表示测量的噪声，被假设成高斯白噪声(White Gaussian Noise)，covariance是R(这里我