GPS android的卡尔曼滤波

Question

为了从GPS获得更准确的数据，推荐使用卡尔曼滤波。但我找不到任何教程如何实现卡尔曼滤波器的GPS，android。

Answer 1

GPS数据已经进行了大量的卡尔曼滤波。这是在GPS接收机内部完成的。如果您创建自己的卡尔曼滤波器，则不要期望在位置(经度/经度)上获得精度增益。此外，您没有内部GPS接收器所具有的信息。它在输出一个位置之前，每秒向其内部卡尔曼滤波器馈送1000次。

在您自己的后期处理过滤器中，您可能会获得更平滑的轨迹(与可视化位置相关)。但是更平滑并不是更准确，只是看起来更舒服。

另一个主题是GPS位置是否必须实时可用，例如在屏幕上显示当前位置。如果你想在事后(非实时)平滑你的轨迹，你可以成功，但我不会在这种情况下使用卡尔曼滤波器。卡尔曼滤波器非常适合实时滤波，对于后期处理，您可以尝试使用三角形窗口滤波器的滑动平均(易于实现，而卡尔曼非常复杂)

Answer 2

你可以通过谷歌和维基百科找到很多东西，但有一个基本的直觉可能会很有用。

从本质上讲，卡尔曼滤波器意味着重复应用两步过程：

1. Make a guess
2. 使用度量更新guess

卡尔曼滤波器实现了一个简单的想法:当你知道你的速度时，你可以根据最后报告的GPS位置预测你的地理位置，然后在新的GPS报告到来时更新。

我们将在这里讨论两个变量：mean，这是您最好的猜测，以及您的不确定性，它表示该猜测的准确性。就GPS而言，您谈论的是GPS位置和误差幅度(例如10米)。

每更新一次，你的不确定性就会增加一点，因为你不能真正确定速度没有改变。当一个新的测量值出现时，你会更新位置和确定性。

平均值和不确定性可以表示为贝尔曲线(正态分布)，其中变量在X轴上，其值在Y轴上的概率：

​

​

这里µ (µ)是平均值，σ (sigma)是不确定性。任何这样的曲线都可以用这两个值来描述。

诀窍是你可以将两条钟形曲线相乘(你的预测和你的测量)，然后得到一个代表组合知识的新的钟形曲线，当你在完成一些预测后获得一个新的GPS位置时，你就会这样做。你可以在维基百科和其他网站上找到这个问题的数学模型。