用于GPS安卓的卡尔曼滤波器

Question

为了从GPS获得更准确的数据，建议使用卡尔曼滤波器。但我找不到任何教程如何实现GPS的卡尔曼滤波器，android。

Answer 1

GPS数据已经过卡尔曼过滤。这是在GPS接收器内完成的。 如果您创建自己的卡尔曼滤波器，请不要期望位置（纬度/经度）的精度增益。 此外，你没有内部GPS接收器的信息。它在输出一个位置之前，每秒/每秒输入其内部卡尔曼滤波器。

在您自己的后期处理过滤器中，您可能会获得更平滑的轨迹（与可视化位置相关）。但更平滑并不准确，只能看得更愉快。

另一个主题是GPS位置是否必须实时可用，例如在屏幕上显示当前位置。如果你想在之后平滑你的音轨（非实时）你可能会成功，但我不会在那种情况下使用卡尔曼滤波器。 卡尔曼滤波器非常适合实时滤波，对于后期处理，您可以尝试使用三角窗滤波器的滑动平均值（易于实现，而卡尔曼非常复杂）

Answer 2

你可以通过谷歌和维基百科找到很多东西，但有一个基本的直觉可能是有用的。

基本上，卡尔曼滤波器意味着重复应用两步过程：

1. 猜猜
2. 使用测量来更新猜测

卡尔曼滤波器形成了一个简单的想法：当您知道自己的速度有多快时，您可以根据上次报告的GPS位置预测地理位置，然后在新的GPS报告进入时进行更新。

我们将在这里讨论两个变量：平均值，这是您最好的猜测，以及不确定性，它代表了猜测的准确性。就GPS而言，您将谈论GPS位置和误差范围（例如10米）。

每次更新都会增加你的不确定性，因为你并不确定速度没有改变。当有新的测量值时，您可以更新位置和确定性。

平均值和不确定度可以表示为贝尔曲线（正态分布），X轴上的变量以及它在Y轴上具有该值的概率：



这里μ（mu）是平均值，σ（sigma）是不确定性。任何这样的曲线都可以用这两个值来描述。

诀窍在于，您实际上可以实现多个两个钟形曲线（您的预测和测量）并获得一个代表组合知识的新曲线，当您在完成一些预测后获得新的GPS位置时，您将会这样做。你可以在维基百科和其他网站上找到这个数学。