Comments 5
У вас инвариантый объект со стационарными шумами, вы зря усложняете и делаете нестационарный фильтр. То есть вам достаточно один раз посчитать оптимальный гейн и не надо потом на каждом шаге его пересчитывать. Равно как и не надо пересчитывать матрицу ковариаций, она считается один раз заранее, если вдруг нужна.
А так как матрицы Q и R вы берете не по априорным соображениям и не оцениваете из экспериментальных данных, а просто подбираете, то это уже и не оптимальный фильтр Калмана, а просто линейный стационарный фильтр с подобранными параметрами, фамилия Калмана из названия исчезает, и магия рассеивается. Вуаля! :)
Здесь приведен пример — для тех кто сталкнется с чем-то подобным в реальных задачах. Лог подбирался по наглядности. Шумы к сожалению есть разной природы — в моем случае особо досаждали шумы скорости из VTG, которые отлично видны на графиках. Штатное оборудование к сожалению с фильтрацией видимо справлялось не очень. Скорость из VTG следовательно брать было не желательно.
Более точный, и возможно динамически изменяемый подбор коэффициентов будет реализован при отладке на швартовных испытаниях.
Ого, интересно, на каком таком корабле стоит автономно работающая (без инерциального навигационного комплекса) GPS навигация?
Sign up to leave a comment.
Опыт работы с фильтром Калмана на примере NMEA данных