GPS android的卡尔曼滤波器[关闭]答案

【问题标题】：Kalman Filter for GPS android [closed]GPS android的卡尔曼滤波器[关闭]
【发布时间】：2012-04-01 21:45:02
【问题描述】：

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

【问题讨论】：

Tnx 为问题，但考虑这个问题的接收器的大地类建议。
问题已经很老了，而且已经结束了。但是在寻找相同的任务时，我发现了这两个有趣的项目。对于像我一样来到这里的人来说可能很有趣：github.com/villoren/KalmanLocationManager 和github.com/maddevsio/mad-location-manager 第二个也使用加速度计和传感器数据来改善轨道。我发现它真的很有趣，尽管正如第一个答案所说，GPS 数据已经经过大量卡尔曼滤波。

【解决方案1】：

您可以通过 Google 和 Wikipedia 找到很多东西，但有一个基本的直觉可能会很有用。

本质上，卡尔曼滤波器意味着重复应用两步过程：

卡尔曼滤波器形式化了一个简单的想法：当您知道自己的速度有多快时，您可以根据上次报告的 GPS 位置预测您的地理位置，然后在收到新的 GPS 报告时进行更新。

我们将在这里讨论两个变量：均值，这是您的最佳猜测，以及您的不确定度，代表该猜测的准确性。就 GPS 而言，您将谈论 GPS 位置和误差范围（例如 10 米）。

每次更新都会增加一点不确定性，因为您不确定速度是否没有改变。当新的测量出现时，您会更新位置和确定性。

均值和不确定性可以表示为贝尔曲线（正态分布），变量在 X 轴上，它具有该值的概率在 Y 轴上：

这里 µ (mu) 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。

诀窍在于，您实际上可以将两条钟形曲线（您的预测和您的测量值）叠加起来，并获得一个代表组合知识的新曲线，当您在完成一些预测后获得一个新的 GPS 位置时，您会这样做。您可以在 Wikipedia 和其他网站上找到这方面的数学知识。

【讨论】：

【解决方案2】：

GPS 数据已经经过大量卡尔曼滤波。这是在 GPS 接收器内部完成的。如果您创建自己的卡尔曼滤波器，请不要期望位置（纬度/经度）的精度提高。此外，您没有内部 GPS 接收器所拥有的信息。它以每秒 1000 次/秒的速度输入其内部卡尔曼滤波器，然后输出一个位置。

在您自己的后处理过滤器中，您可能会获得更平滑的轨迹（与位置可视化有关）。但更平滑并不是更准确，只是更赏心悦目。

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。如果您想在之后（非实时）平滑您的轨道，您可能会成功，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，对于后处理，您可以尝试使用三角窗滤波器进行滑动平均（易于实现，而卡尔曼非常复杂）

【讨论】：

对来自 Android 的所有信号使用卡尔曼滤波器怎么样？例如来自蜂窝塔的位置、来自 GPS 的位置和来自 Wifi 热点的位置.. 卡尔曼滤波器在这种情况下有用吗？
不，如果您有 gps，那么您不需要手机信号塔或 WLAN 位置。这是 3 种不同的定位技术，其准确度大相径庭。 GPS比其他任何一个都更准确，所以如果你有GPS，你可以忽略其他的。 WLAN 和小区两个位置可用于例如在 GPS 尚不可用时加载地图数据。但是卡尔曼将所有 3 个过滤在一起没有任何好处。
位置更新的来源随时间变化，有时是 GPS，有时不是。当 GPS 更新一段时间后，下一次更新是模糊不准确的蜂窝塔位置更新时，我的项目陷入困境。我希望我可以使用卡尔曼滤波器来最小化不准确更新对后续位置更新的影响。
别忘了。如果您没有 GPS 位置，那么您就没有有效的位置。仅使用 GPS 时，您很可能会获得更好的结果。蜂窝塔位置的用途有限。（1公里精度）