我有一个传感器，可以读取每个位置的电磁场强度。
该字段对于每个位置都是稳定且唯一的。因此，读数仅仅是这样的位置的函数：reading = emf(x,y,z)
读数由3个数字组成（不是位置）。
我想找到emf函数的反函数。这意味着我想找到定义如下的函数pos：x,y,z = pos(reading)
我无法同时使用emf和pos函数。我想我想使用神经网络逐渐估计pos函数。
因此，我通过IMU通过空间输入了传感器的reading和加速度ax,ay,az。加速度不是那么精确。
我想使用这两个输入来帮助我确定传感器随时间的位置。您可以假定第一次读取的起始位置为0,0,0。
简而言之，每个时间步长分别输入reading和ax,ay,az，输出将根据pos函数的权重进行调整，或者输出将直接定位。
我一直在阅读有关 SLAM （同时定位和映射）算法的信息，我认为这可能会对我的情况有所帮助，因为我的问题是概率问题。 如果我准确知道加速度，则不需要任何概率，但是加速度并不准确。
所以我想知道如何用 SLAM 来建模此问题？ 我没有相机来做基于视觉的SLAM。
为什么我认为这很容易处理？如果第一个读数是1,1,1并且位置在原点0,0,0，并且我移动了传感器，则该位置可能会漂移，因为传感器之前从未见过其他读数，但是在我返回原点之后，读数将再次为1,1,1，因此传感器应报告原点0,0,0作为输出。在传感器运动期间，算法应过滤加速度，以使所有先前的位置都有意义。