卡尔曼滤波器何时会比简单的移动平均值给出更好的结果?


14

我最近在一个以随机速度和加速度测量粒子位置的简单示例上实现了卡尔曼滤波器。我发现卡尔曼滤波效果很好,但是随后我问自己,做一次移动平均线有什么区别?我发现,如果我使用约10个样本的窗口,则移动平均值优于Kalman滤波器,并且我试图寻找一个使用Kalman滤波器时仅使用移动平均值的优势的示例。

我觉得移动平均值比卡尔曼滤波器直观得多,您可以盲目地将其应用于信号,而不必担心状态空间机制。我觉得我在这里缺少一些基本的东西,希望有人能提供任何帮助。



我看到了这篇文章,但我的问题是想举一个卡尔曼滤波器何时能给我比移动平均值更好的结果的例子。
dvreed77 2012年

如果移动平均数在您的应用程序中足够,则可以使用它,您不需要卡尔曼滤波器(KF)。在某些假设下, KF会提供最佳估计。这些假设在您的应用程序中不成立,或者应该检查您的KF实现。
阿里

这些假设是什么?高斯噪声?如果是这样,这就是我的模拟添加的内容。我的代码是从信号处理类提供给我的代码的稍微修改后的版本,我已经将其与其他几个来源进行了比较,并且我的更新和预测公式应该正确。我想知道移动平均值表现更好的原因是因为它使用的是过去10个样本,而不是KF使用的最后一个样本。尽管我认为每个其他样本的误差协方差都越来越严格,所以我对MA如何做得更好感到困惑。
dvreed77 2012年

如果有所不同,那么当我说“表现优于大市”时,我的意思是,使用移动平均线的MSE较小。
dvreed77 2012年

Answers:


4

移动平均线给出的估计值将落后于真实状态。

假设您要测量以恒定速度上升的飞机的高度,并且有嘈杂的(高斯)高度测量值。在嘈杂的高度测量的时间间隔内取平均值,可能会很好地估计飞机在该时间间隔中间的位置

如果将较大的时间间隔用于移动平均值,则平均值会更准确,但会在更早的时间估算飞机的高度。如果为移动平均值使用较小的时间间隔,则平均值的准确性会降低,但会在最近的时间估算飞机的高度。

也就是说,移动平均线的滞后在某些应用程序中可能不会造成问题。

编辑:这篇文章问同样的问题,并有更多的答复和资源


2

我发现使用用于设置问题的原始参数,移动平均线的性能更好,但是当我开始使用定义动态模型的参数时,我发现卡尔曼滤波器的性能要好得多。现在,我已经进行了一些设置来查看参数发挥的作用,我想我将对正在发生的事情有一个更好的直觉。谢谢那些回答的人,如果我的问题含糊其词,我们深表歉意。


1
如果您在答案中加入可重现的玩具代码,让其他人“看到它在起作用”,这可能会对其他参与该问题的人有所帮助。就我个人而言,我对别人评价最高的答案往往具有可复制的内容。
EngrStudent-恢复莫妮卡
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.