收到一组实时坐标数据,信号一受到干扰的时间内坐标会一直抖动严重失真,用卡尔曼滤波滤过之后仍然抖动与实际坐标的差距较大,是参数的问题还是方法不适用?还有什么好的滤波消除失真抖动的算法(可以比较好额消除抖动误差)吗?谢谢!
查了下,卡尔曼滤波应该是能解决的,你用法不对吧。而且这个东西看了就觉得很复杂。
应该是个窗口滤波吧,加大窗口会不会更准确些?
首先谢谢你的回答,测试的时候是在人左右肩上放了两个发送信号的tag来确定人的位置和朝向,当人静止不动只是站着原地转动位置和朝向基本与实际相对应,但当人走动的时候两个tag就开始跳动,坐标与实际误差达到一两米,波动很大。实际需要控制这种波动在30cm。就是走动的时候位置连续性失真,卡尔曼是以当前接受的坐标与上一时刻坐标两个为基准预测当前时刻的坐标,有没有可能连续性的不准确导致这种波动?因为我们是要求实时定位的,所以不可能把实际接受坐标的参数调的太小。
@码码码农: 这种无规律运动预测坐标本来就是不靠谱的事情,可能是我只是有限。
你说的是算法只接收到2个值就算出下一个点?这个不太靠谱吧,想要准确窗口就得大,这是个人理解。。
@吴瑞祥: 不是下一个点,是这个当前时刻点的位置是通过上一时刻的这个点的位置和当前时刻接收到的位置(接受来的数据有可能不准确,所以来预测)预测出来的从而消除点的抖动,每一时刻我接受到的是15个点的位置但由于信号问题点的抖动大所以通过卡尔曼滤波消除抖动(就是前面说的用上一时刻数据和当前时刻接受的数据来预测),现在遇到的问题是人在做持续性运动时卡尔曼滤波之后点的抖动范围很大,静止的时候波动是没有问题的。