Verwenden Kalman Filter in Standort Schätzung

Question

Ich habe versucht, Kalman Filter und wie man es zu verstehen. Ich plane, es in Java zu schreiben.

Ich habe Echtzeit-Standort (Longitude, Breite) und Geschwindigkeit Daten. Ich muss den nächsten Ort eines sich bewegenden Objekts finden. Die Standorte sind genau, es gibt kein Rauschen in den Standortdaten. Der Grund, dass ich den Kalman-Filter verwenden möchte, ist die Schätzung der nächsten wahrscheinlichen Position des Objekts. Ich konnte nicht verstehen, wie man die Werte den Matrizen gibt (Übergang, Messung, usw.).

Ich brauche Ihre Hilfe, um Struktur von Matrizen zu erstellen und zu verstehen. Ich bin auch offen für die Empfehlungen zu den neuen Algorithmen.

Answer 1

Sie können sich einige Open-Source-Implementierungen ansehen. Die ASF bietet folgendes:

• http://commons.apache.org/proper/commons-math/apidocs/org/apache/commons/math3/filter/KalmanFilter.html
• http://commons.apache.org/proper/commons-math/userguide/filter.html#a17.2_Kalman_Filter

Der folgende Code zeigt, wie die vorhersagen/korrekten Zyklus auszuführen:

for (;;) { 
    // predict the state estimate one time-step ahead 
    // optionally provide some control input 
    filter.predict(); 

    // obtain measurement vector z 
    RealVector z = getMeasurement(); 

    // correct the state estimate with the latest measurement 
    filter.correct(z); 

    double[] stateEstimate = filter.getStateEstimation(); 
    // do something with it 
}