位置估计的扩展卡尔曼滤波器
本帖最后由 ryan4yun 于 2020-5-21 15:59 编辑采用卡尔曼滤波器进行位置估计实际上本身并不是什么新鲜的技术,基于贝叶斯过程的处理方式,加上了噪声的影响,一般的卡尔曼滤波器是用来处理线性过程的,但是在这个场景中,整个过程是非线性的,所以需要对方程进行线性化处理,一阶导数导数就可以近似的得到线性化的过程,这时候就采用扩展卡尔曼滤波器来做处理(EKF),如图片所示。 请教下,这个kalman滤波对于2个模块间算距离可以用,如果是多个模块定位标签,需要标签到各个模块的距离,这个kalman滤波应该怎么用? kaiyto 发表于 2020-5-26 09:44
请教下,这个kalman滤波对于2个模块间算距离可以用,如果是多个模块定位标签,需要标签到各个模块的距离, ...
如果是多对一,可以在基站滤波,每个基站做滤波处理 有没有办法扩展这个kalman算法成多维的
主要是这代码里定义了好多矩阵,很多也不清楚具体是什么意思 蓝点无限 发表于 2020-5-26 09:58
如果是多对一,可以在基站滤波,每个基站做滤波处理
在基站滤波是没问题,但这个算法里保存了很多的临时变量,对基站1用kalman滤波后,再对基站2滤波,但是前面保存了基站1的临时变量……
那就得把这个代码复制多分,用不同的名字命名了 kaiyto 发表于 2020-5-26 10:23
在基站滤波是没问题,但这个算法里保存了很多的临时变量,对基站1用kalman滤波后,再对基站2滤波,但是前 ...
多对一不需要多分啊。
每个基站都只有一个距离信息,就是自身和tag的距离 感谢楼主分享
金币不够。。。。等会下载看看 感谢楼主,就是原理看不太懂