为什么我对卡尔曼滤波器的测量和估计相同？
Why my easurements and estimates are same for kalman filter?
我正在 Python 中实现卡尔曼滤波器，但不幸的是，我的估计和测量结果是一样的。我期待估计的窒息结果。以下是我对一个州的结果。
请向我提出解决此问题的建议。
这取决于您的模型，可能是您分配给测量值的方差太小。如果您分享您的代码，我们可以给出更具体的答案。
卡尔曼滤波器不仅神奇地平滑了给定模型的输出。实际上，卡尔曼滤波器做的事情非常简单，它只是将测量值与模型噪声（通常称为过程噪声）进行比较。仅当过程噪声与测量噪声相比较小时，卡尔曼滤波器才会使您的测量平滑。
因此，鉴于您对测量噪声有估计，这一切都归结为您认为您的模型有多准确。尝试考虑您在模型中所做的假设。例如：您是否假设一个值是恒定的，而实际上它可以显示动态？然后尝试估计这种动态的大小并将其用于您的过程噪声。不幸的是，没有明确的调谐卡尔曼滤波器的方法。这是很多黑魔法和一些经验的结合。
我正在 Python 中实现卡尔曼滤波器，但不幸的是，我的估计和测量结果是一样的。我期待估计的窒息结果。以下是我对一个州的结果。
请向我提出解决此问题的建议。
这取决于您的模型，可能是您分配给测量值的方差太小。如果您分享您的代码，我们可以给出更具体的答案。
卡尔曼滤波器不仅神奇地平滑了给定模型的输出。实际上，卡尔曼滤波器做的事情非常简单，它只是将测量值与模型噪声（通常称为过程噪声）进行比较。仅当过程噪声与测量噪声相比较小时，卡尔曼滤波器才会使您的测量平滑。
因此，鉴于您对测量噪声有估计，这一切都归结为您认为您的模型有多准确。尝试考虑您在模型中所做的假设。例如：您是否假设一个值是恒定的，而实际上它可以显示动态？然后尝试估计这种动态的大小并将其用于您的过程噪声。不幸的是，没有明确的调谐卡尔曼滤波器的方法。这是很多黑魔法和一些经验的结合。