Questions tagged «estimation»

1
卡尔曼滤波器-处理“衍生”测量值的最佳方法?
即,如果您有位置变量(p)和速度(v)作为状态变量,并且我对p进行了低频测量,那么这也间接给了我有关v的信息(因为它是p的导数)。处理这种关系的最佳方法是什么? A)在更新步骤中,我应该只说我测量了p,并且依靠滤波过程以及我积累的状态-协方差矩阵(P)来校正v? b)如果我创建一个“额外”的预测步骤,之后或者用于测量我更新步骤之前p,使用我的测量p和(相对大的)Δ-时间作出的高方差预测v? C)在更新/测量步骤中,我是否应该说我已经对p和 v进行了测量,然后以某种方式将有关其相互依赖性的信息编码到测量协方差矩阵(R)中? 为了获得更多背景信息,以下是我遇到问题的具体情况: 我正在使用一个系统来估计对象的位置(p),并经常测量加速度(a)和不频繁地测量p高噪声。 我目前正在使用扩展卡尔曼过滤器(Extended Kalman Filter)执行此操作的代码库,其中将其保留为状态变量p和v。在每次加速度测量之后,它都会执行“预测”步骤,在该步骤中,它使用测量的a和增量时间来积分和预测新的p和v。然后,它为每个(不频繁的)p测量运行一个“更新” /“测量”步骤。 问题是这样的-我得到的偶然的高误差测量一个,这导致高度误差v。显然,对a的进一步测量将永远不会纠正此问题,但对p的测量应摆脱此问题。而且,实际上,这确实发生了……但是非常缓慢。 我以为这可能部分是因为p在系统中影响v的唯一方法是通过协方差矩阵P-即上面的方法A)-这似乎是间接的。我想知道是否会有更好的方法将我们对p和v之间这种关系的了解纳入模型,以便对p的测量可以更快地校正v。 谢谢!

7
如果信号的频率位于两个bin中心之间,则获得其峰值
请假设以下内容: 信号基频的频率已使用FFT和某些频率估计方法进行了估计,位于两个bin中心之间 采样频率是固定的 计算工作不是问题 知道了频率,估计信号基波相应峰值的最准确方法是什么? 一种方法可能是对时间信号进行零填充以提高FFT分辨率,从而使bin中心更接近估计的频率。在这种情况下,我不确定的一点是我是否可以根据需要进行零填充,或者这样做是否有缺点。另一个是在零填充后我应该选择哪个bin中心作为我从中获取峰值的那个(因为即使在零填充之后,也可能不会精确地达到目标频率)。 但是,我也想知道是否存在另一种方法可以提供更好的结果,例如一种估计器,该估计器使用周围两个bin中心的峰值来估计感兴趣频率处的峰值。

2
给定位置测量值,如何估算速度和加速度
我以为这很简单,但是我的幼稚方法导致了非常嘈杂的结果。我在一个名为t_angle.txt的文件中有以下示例时间和位置: 0.768 -166.099892 0.837 -165.994148 0.898 -165.670052 0.958 -165.138245 1.025 -164.381218 1.084 -163.405838 1.144 -162.232704 1.213 -160.824051 1.268 -159.224854 1.337 -157.383270 1.398 -155.357666 1.458 -153.082809 1.524 -150.589943 1.584 -147.923012 1.644 -144.996872 1.713 -141.904221 1.768 -138.544807 1.837 -135.025749 1.896 -131.233063 1.957 -127.222366 2.024 -123.062325 2.084 -118.618355 2.144 -114.031906 2.212 -109.155006 2.271 …

2
如何使用频域数据进行预测?
线性回归和卡尔曼滤波均可用于估计数据,然后根据数据的时域序列进行预测(给定关于数据背后模型的一些假设)。 哪些方法(如果有)可能适用于使用频域数据进行预测?(例如,使用先前数据的合适FFT的输出来预测未来的步骤,而不必回到时域进行估计。) 对于频域中预测的质量或最优性(如果有),可能需要对数据或数据背后的模型有什么假设?(但是,假设数据源在FFT孔径宽度上是否严格周期性是未知的。)

3
过滤RANSAC估计的单应性
我正在使用RANSAC算法在相机之间拍摄的成对图像之间进行单应性估计,这些相机之间没有任何平移(纯旋转和缩放比例/缩放)。在一半的情况下,它运作良好。正确的输出如下所示: 红线是经过过滤的对应关系,四边形表示单应性如何扭曲透视图。 但是,有时会发生许多不良情况,例如: 我已经在RANSAC循环中进行了简单的测试。它制作一个简单的四边形(单位平方),并使用样本变换对其进行变换。然后看变换是否保持其凸性。 但是,仍然会出现一堆凹入的四边形。 您是否知道如何正确测试单应性(如果其表现得“很好”)并滤除错误的解决方案? 我找到了一些代码,他们在其中测试了三个变换点均不是共线的。但这似乎还不够,因为它不会过滤出三角肌和其他“无效”的四边形...

1
什么是AMDF?
平均幅度差函数/公式(AMDF)的维基百科页面似乎为空。什么是AMDF?AMDF的属性是什么?与其他音高估计方法(例如自相关)相比,AMDF的优缺点是什么?

1
测量音频信号的时间延迟
在有人对我大喊之前,我完全意识到这个问题已经被问过无数次了。我向您保证,我已经阅读了现有的问题和答案,但是对于部分问题我仍然感到困惑。 我有一个在封闭环境中播放音乐(A)的声源。我有一个用来录制A的麦克风。我剩下两个共享相同特征和长度(样本数)的wav文件。 我的目标是计算A到达麦克风所需的时间。 我正在尝试使用互相关(numpy)执行计算: # Delay estimation corr = numpy.convolve(original_audio, recorded_audio, 'full') delay = int(len(corr)/2) - numpy.argmax(corr) distance = delay / sample_rate * 343 # sample_rate == 22050, m/s = speed of sound print("Distance full: %.2f cm" % (distance * 100)) 我始终获得300,000厘米范围内的值。扬声器和麦克风之间的距离约为2英尺。 这对我来说都是很新的,所以我确定我缺少明显的东西。 提前致谢。

1
过滤器阶数估算
假设复Z平面中一些未知但极小数量的极点和零点都带有复共轭,产生一些响应。严格根据单位圆周围一组等距点的绝对值,例如该响应的极点和零点数大于2倍,可以估计或计算产生采样幅度的极点和零点数响应? 补充:确定极点和零点的数量是否需要超过2倍的采样点?(当总数小于X时)。 补充:如果有多个解,是否可以找到或估计最小解(如总极点和零的最小数目)?
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.