Фильтр Kalman с полным набором данных?

Question

Я ищу способ объединить данные из компаса и гиросков, чтобы определить отношение после факта.Я буду работать с полным набором данных, в котором 3D-компас и показания гиросков были записаны через регулярные промежутки времени, но я хочу восстановить оценку отношения в последующей обработке.

Я считал просто используя фильтр Kalman, поскольку они настолько хорошо документированы, но предпочли бы использовать что-то более подходящее для случая, когда полный набор данных известен.У меня есть ощущение, что решение «просто» проблема наименьшего квадратов, но я надеюсь, что кто-то здесь может указать мне в направлении бумаги или два, касающихся этой проблемы (или таких проблем).

На данный момент я даже не уверен, что этот фильтр будет вызван, поэтому у меня трудно найти полезные условия поиска.Любая помощь будет оценена.

Большое спасибо!

Answer 1

Если вы понимаете фильтр Kalman в деталях, вы также можете реализовать так называемый гладкий Kalman, который работает на полном наборе данных.

Однако позвольте мне предупредить вас об одном. Там нет такой вещи, как фильтр Kalman для программистов . Фильтр Калмана трудно понять. Вы не сможете реализовать и использовать его правильно, если вы этого не понимаете.

Моя реализация почти то, что вы ищете. Я использовал акселерометр и гироскопы, но никаких компасов. Он основан на этом Manuccript , сначала прочитайте. Наиболее подробное описание у меня на данный момент - это слайды 29-32 в моей презентации на Sensor Fusion . Это Проект с открытым исходным кодом и планирую выпустить обновленную версию решателя в предстоящие недели.