즉, 상태 변수 위치 ( p ) 및 속도 ( v )를 가지고 있고 p의 저주파 측정을 수행 하면 v 에 대한 정보도 간접적으로 제공합니다 ( p 의 미분이므로 ). 그러한 관계를 다루는 가장 좋은 방법은 무엇입니까?
A) 업데이트 단계에서, 나는 p를 측정 하고 v 를 수정하기 위해 필터링 프로세스와 누적 된 상태 공분산 행렬 ( P )에 의존 한다고 말해야 합니까?
B) 측정 된 p 및 (상대적으로 큰) 델타 시간을 사용하여 v 의 고 분산 예측을하는 p 측정을위한 업데이트 단계 이후 또는 이전에 "추가"예측 단계를 작성해야합니까 ?
C) 업데이트 / 측정 단계에서 p 와 v 를 모두 측정 한 다음 상호 의존성에 대한 정보를 어떻게 측정 공분산 행렬 ( R ) 로 인코딩 해야합니까?
좀 더 배경 지식을 얻으려면 다음과 같이 문제가 발생한 구체적인 상황이 있습니다.
물체 의 위치 ( p ) 를 추정하려는 시스템을 사용하고 있으며 가속도 ( a )를 자주 측정하고 p를 자주 사용하지 않는 노이즈 측정을 수행 합니다.
현재 확장 칼만 필터를 사용하여 상태 변수 p 및 v 로 유지하는 코드베이스로 작업하고 있습니다. 모든 가속 측정 후 "예측"단계를 실행하며, 측정 된 a 및 델타 시간을 사용하여 새로운 p 및 v 를 통합하고 예측 합니다. 그런 다음 모든 (흔하지 않은) p 측정에 대해 "업데이트"/ "측정"단계를 실행합니다 .
문제는 이것이다 - 나는 가끔 높은 오류 측정을 얻을 높은 잘못된 결과, 절 . 분명히, a 에 대한 추가 측정은 이것을 교정하지 않지만 p의 측정 은 이것을 제거해야합니다. 그리고 실제로 이런 일이 발생하는 것 같지만 매우 느립니다.
이 시스템에서 p가 v 에 영향을 미치는 유일한 방법 은 공분산 행렬 P를 통해, 즉 위의 방법 A)를 통해 이루어 지기 때문에 부분적으로 발생할 수 있다고 생각했습니다 . 사이의 관계에 대한 우리의 지식 통합 할 수있는 더 좋은 방법이있을 것입니다 있는지 궁금 해서요 P 와 V 의 측정 그래서, 모델에이 페이지가 수정 것 V를 빠르게.
감사!