快速卡尔曼滤波

Question

我想知道是否有人能给我一个指向真正快速/高效的Kalman过滤器实现的指针，可能是用Python (或者Cython，但是C/C++也可以工作，如果它更快的话)。我对许多学习时代(可能是数亿)和许多输入(例如，几万到十万之间的暗示)都有问题。因此，更新协方差矩阵将是一个大问题。我读了一些关于合奏KF的文章，但是现在，我真的很想坚持使用标准KF。我开始阅读和测试它，我想尝试一下我的真实数据。

Answer 1

协方差矩阵的大小由状态大小驱动。另一个问题涉及到您的模型的假设，如果这可以带来重大的优化(显然，优化意味着重新工作“标准KF")。

从我的POV中，您的情况大致取决于值(number_of_states²* number_of_iterations)/(processing_power)。

Answer 2

如果每次更新都有许多测量值，则应该查看Kalman滤波器的信息形式。每一个额外的测量只是加法。权衡是一个更复杂的预测步骤，当你想要得到你的状态时，转换信息矩阵的成本。