1
J'essaie de mettre en œuvre un filtre de Kalman pour le suivi des véhicules dans MATLAB. Un véhicule se déplace dans la direction X avec une vitesse constante. Etat initial pour le véhicule = [x (t) v (t)].Confusion entre la matrice de prédiction et la matrice de covariance de mesure dans le filtre de Kalman
Je dois trouver la position du véhicule après t = 2 sec. La position du véhicule par rapport au GPS est corrompue par le bruit.
Ma question est: si je considère qu'il n'y a pas de bruit de processus, alors la matrice de prédiction initiale sera-t-elle égale à la matrice de bruit de mesure? Je ne sais pas comment initialiser la matrice de prédiction.
Un véhicule se déplace dans la direction X avec une vitesse de 10m/sec. Le véhicule est à la position X = 5 à t = 0. Par conséquent, l'état initial à l'instant t = 0: x (t) = [5; 10]. L'écart-type dans la position du véhicule par GPS est disons 10. Par conséquent, R = 10^2. Bruit de processus = 0 et matrice de prédiction, P = [10 0; 0 10]. J'ai considéré la situation ci-dessus. s'il vous plaît corrigez-moi si je me trompe n'importe où. – reena
Le bruit de processus ("Q") n'est que de 0 si vous savez que la vitesse de la voiture est vraiment constante. S'il accélère ou décélère, Q devrait refléter votre erreur de prédiction. La matrice "P" est la matrice de covariance d'erreur. Jusqu'à présent, P = [R 0; 0?]. Le ? est lié à la qualité de votre estimation de 10m/sec. –
: Si je considère que les mesures de vitesse ne proviennent pas du GPS et qu'elles n'ont pas d'erreur, alors qu'est-ce qui viendra à la place de '?'. Je ne suis pas en mesure de comprendre le sens de «à quel point votre estimation de 10m/sec est bonne». J'espère que – reena