칼만 필터 갑자기 측정

Question

여기 좋아 내가해야 할 일입니다 점프 실제 측정에서의 오차. 어떤 경우에는 측정 값이 정확한 위치에서 완전히 벗어 났지만 몇 프레임 만 지나면 정확한 위치로 돌아옵니다.

내 필터 (적응 형이 아닌)에 측정 잡음 공분산 (R) 및 상태 오차 공분산 (Q) 행렬에 대한 특정 값이있는 경우 이러한 1 %의 경우에도 결과가 매우 정확하지 않습니다. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.367.1747&rep=rep1&type=pdf

그들은 혁신 시퀀스에 기초하여 상기 측정 잡음 공분산 행렬을 추정 : 그래서 그들이 여기에서와 같이 적응 칼만 필터를 사용하기로 결정

R 및 Q. 절충을 수행한다. 기본적으로 이전 샘플에서 이동 창을 사용하고 이전 측정 (이전 추정) 간의 오류 공분산을 계산합니다. 예를 들어 과거 5 회 측정 및 5 회 이전 추정에 대해. 잘못된 측정 값이 창 아래에 오면 공분산이 증가하므로 R도 증가합니다.

실제로 R은 증가하지만 다음 단계에서 평가는 여전히 좋지만 잘못된 측정에 대해서는 약간의 차이가 있습니다. 다음 단계에서 (이전 추정치가 약간 이동했기 때문에) 측정에 가까워 질수록) R은 작아지고 결과는 새로운 측정치가 측정치에 더 가깝게되는 식으로 진행됩니다.

몇 프레임이 지나면 결국 잘못된 측정이 이어집니다. 제가 의미하는 바를 더 잘 이해할 수있는 음모가 있습니다.

https://www.dropbox.com/s/rkv0tjcm4s54kv3/untitled.tif

아마 내가 뭘하려고 완전히 잘못이며, 과거에 칼만 필터와 함께 광범위하게 근무하고 적응 칼만 filter.Maybe의 사람과 할 수없는 그는이 문제 이전에 직면하고있다 도울 수있다.

어떤 아이디어라도 환영합니다!

Answer 1

답변을 받기 전에 내가 옳은 문제가 있는지 확인하고 싶습니다.

측정 값이 있으며 그 중 일부는 양호 (낮은 측정 잡음)이지만 다른 값은 이상치입니다.
측정 잡음 공분산 행렬을 조정하는 데 문제가 있습니다.

실제로 좋은 측정을 위해 조정하십시오.
오류 공분산을 사용하여 이상 값을 거부합니다. 혁신이 오차 공분산 행렬을 사용하여 정의한 타원 외부에있는 경우 측정이 거부됩니다.
측정이 거부 될 때마다 예측 단계를 다시 적용하고 다른 측정을 기다립니다.

Answer 2

예 문제는 바로 이것입니다.

그러나 타원을 정의 할 필요없이 문제를 해결할 수 있습니다. 내가 50 개가 넘는 연속 된 특이 값을 갖는 경우 작동하지 않는 사실을 제외하고 올바른 작업을 수행했습니다.

창의 크기를 생각하면 정상입니다.예를 들어 단지 10 개의 샘플이고 20 개의 특이점을 가지고 있다면 분명히 작동하지 않을 것입니다. 그러나 5 개의 연속 특이점은 완벽하게 작동합니다. 일반적으로 제안한대로 임계 값을 사용하지 않았습니다 ("혁신이 타원 외부로 떨어지면") 측정을 거부합니다. 측정 값을 유지하지만 동시에 이상 값을 가지기 시작하면 오류 측정 공분산이 매우 커집니다. 따라서 추정은 현재 측정보다 이전 추정에서 더 많이 기초합니다.

실제로 임계 값을 기준으로 한 이상 값인 경우 현재의 측정을 거부합니다.)이 임계 값을 선험적으로 정의해야한다는 문제가 있습니다. 아마도 누락되었습니다. 뭔가 ..