我正在尝试使用卡尔曼滤波器进行方向检测。就像我在网上发现的大多数其他实现一样，我将使用陀螺仪和加速度计来测量俯仰和滚动，但我打算也添加地平线探测。这将给我一个关于俯仰和翻滚的二读。这意味着我将有两种方法来测量当前状态，加速度计和水平检测，同时陀螺仪将用于控制。
到目前为止，我已根据本教程分别对传感器数据和水平检测实施了过滤器：http://blog.tkjelectronics.dk/2012/09/a-practical-approach-to-kalman-filter-and-how-to-implement-it/
我必须修改卡尔曼滤波器的哪一部分才能在算法中选择预测状态，加速度计读数和水平检测读数之间的最佳读数？任何帮助，链接到论文或网站将不胜感激 在此先感谢您的帮助
答案 0 :(得分：6)
KF由两个并行组件组成： 1.估计的状态，AND 2.该估计的不确定性（具体而言，是国家组成部分的协方差矩阵）。
当组合2个状态估计时，标准方法采用加权平均值，权重是（共）方差的倒数。也就是说，2个估计值（较小的协方差）的权重比另一个更高。
因此，如果您尚未跟踪2个估算值的协方差，则需要执行此操作。
对于具有2个估计X'和X“的标量状态X，每个估计值将有一个方差：V'和V”，反转C'= 1 / V'和C“= 1 / V”。 （“确定性”C比方差V更容易使用。）
然后，该状态的MMSE估计（这是KF试图优化的）由下式给出：Xmmse =（X'/ V'+ X“/ V”）/（1 / V'+ 1 / V“ ）。 [此时还有对V的相应更新，基于V'和V“。]
对于矢量状态，V将由协方差矩阵替换，并且除法将变为矩阵求逆。在这种情况下，直接跟踪反转C可能更容易：Xmmse =（C'+ C“）\（C'* X'+ C”* X“）[和相应的C更新]， 其中“\”表示乘以第一因子的倒数C'+ C“。
我希望这会有所帮助。
[我为这里糟糕的格式道歉。 Stack Overflow推断代数表达式是代码，并且需要将它们格式化为代码才能让我回答。他们不是，所以我不能。]