GPS 데이터에서 Kalman 프로세스 모델을 유도하십시오.

Question

이 질문은 이전에 언급 했었지만 찾을 수 없었습니다. GPS 데이터를 수정하기 위해 칼만 필터를 구현하고 싶습니다. 칼만 필터를 구현하려면 프로세스 모델과 측정 모델을 만들어야합니다. 프로세스 모델의 경우이 방정식을 운동 방정식 s = ut + 1/2at^2 및 v = u + at을 사용하여 유도했습니다.

프로세스 모델

[Lat(t)]   [1 1 0 0] [Lat]    [ProcessNoise] 
[d(Lat)(t)] = [0 1 0 0] [d(Lat)]  +  [ProcessNoise] 
[Lon(t)]   [0 0 1 1] [Lon]    [ProcessNoise] 
[d(Lon)(t)]  [0 0 0 1] [d(Lon)]    [ProcessNoise] 

도와주세요 D (LAT) 및 D (경도)를, 각각 위도, 경도 변화의 비율이다. 그리고 시간 간격은 1입니다. 칼만 방정식의 일부분이 삭제되는 제어 입력을 얻지 못하기 때문에.

Lat, Lon, Velocity, Course, Ldop, Vdop, pDop 값을 가진 gpx 파일을 읽었습니다. 나는 2 가지 문제가있다.

1. d (Lat)와 d (Lon)을 Course 값으로 도출 할 수 있습니까? 정확히 입니까?
2. 프로세스 노이즈 매트릭스에 어떤 값을 사용해야합니까?

Answer 1

아니요. 모든 Gps 속성은 이미 Kalman에서 필터링되었습니다 (칩 내 있음). 코스 및 속도는 위치 (위도, 경도) 변경에 의존하지 않습니다. 속도는 물리적 도플러 이동 효과에 의해 계산됩니다. 코스 계산이 도플러 이동 효과를 사용한다는 소문이 있습니다.

추가 Kalman 필터를 적용 할 때 gps 데이터를 부드럽게 할 수는 있지만 더 정확하지는 않습니다.