实现位置，速度，加速度的卡尔曼滤波器

过去，我曾将Kalman过滤器用于各种用途，但现在我对在智能手机应用程序的位置跟踪中使用一个跟踪位置，速度和加速度感兴趣。令我惊讶的是，这应该是一个简单的线性卡尔曼滤波器的教科书示例，但我似乎找不到任何讨论此问题的在线链接。我可以想到各种方法来执行此操作，但是与其从头研究它，不如这里有人可以指出正确的方向：

有谁知道设置此系统的最佳方法？例如，鉴于最近的位置观测历史，在卡尔曼滤波器状态空间中预测下一个点的最佳方法是什么？在状态空间中包含加速有哪些优缺点？如果所有测量都是位置，那么如果速度和加速度处于状态空间中，系统会变得不稳定吗？等等...
另外，有人知道卡尔曼滤波器的这种应用有很好的参考吗？

谢谢

kalman-filters

— 随机地
source

维基百科在这里有一个简单的例子。它很简单，您可以获取详细信息。要回答第一个问题，您可以使用当前状态和系统行为的动态模型来预测下一个状态。

— Jason R

@JasonR感谢您的评论，但我正在寻找的内容比Wikipedia还要多。我以前使用过卡尔曼滤波器很多，因此我正在寻找关于此特定应用程序最佳方法和陷阱的尽可能多的细节。

— 随机

卡尔曼滤波器是一个足够成熟的话题，您可能很难找到想要的详细当代示例。简要地说：即使只测量位置，在状态向量中包括速度和加速度等导数也很有价值。您跟踪的导数的数量与过滤器能够在没有静态错误的情况下进行跟踪的状态的多项式变化顺序有关。

— Jason R

@JasonR非常感谢，在没有其他任何内容的情况下，这无疑是一个非常有用的指针:-)。

— 随机

这不是您要追求的目标，但是对类似问题的解答可能会有所帮助。

— Peter K.

这是我所知道的最好的

完全推导并附有解释

卡尔曼

这是学习卡尔曼滤波器的好资源。如果您更关心如何使智能手机应用程序正常运行，建议您寻找卡尔曼过滤器的现有实现。为什么要重新发明轮子？例如，如果您正在为android开发，则openCV具有Kalman过滤器的实现。查看Android OpenCV

通常，Bradski和Kaehler是图像处理方面的好资源，其中包括有关Kalman滤波器的一节，其中包括代码示例。

— 萨夫
source