Algorithm 使用具有不同采样率的多个传感器的粒子过滤器
当前情况: 我已经为室内定位系统实现了一个粒子过滤器。它使用磁场的指纹。粒子过滤器的实现非常简单:Algorithm 使用具有不同采样率的多个传感器的粒子过滤器,algorithm,sensors,sample-rate,indoor-positioning-system,particle-filter,Algorithm,Sensors,Sample Rate,Indoor Positioning System,Particle Filter,当前情况: 我已经为室内定位系统实现了一个粒子过滤器。它使用磁场的指纹。粒子过滤器的实现非常简单: 我创建了均匀分布在整个区域上的所有粒子 每个粒子都有一个速度(以“正常”行走速度的平均值为高斯分布)和一个方向(在所有方向上均匀分布) 改变速度和方向(均为高斯分布) 按速度乘以上次和当前测量的时间差,沿给定方向移动所有粒子 找到每个粒子最近的指纹 通过比较最近的指纹和给定的测量值,计算每个粒子的新重量 正常化 重采样 每次测量重复3到9次 问题: 现在,我想做基本相同的事情,但在系统中添加另一个
关于更新速度,我认为100Hz对于你的应用来说听起来很高(假设你正在做室内行走的人的定位),因为你可能会考虑很多噪音,降低采样频率是过滤高频噪音的一种廉价方法。非常感谢你的链接。我还没有完全阅读,但它似乎真的很有趣,对我很有用!对于像我这样的系统,你知道什么样的采样率比较好吗?假设一个正常人以大约1.1米/秒的速度行走。我想说1Hz的采样率听起来并没有那么糟糕,这将导致我的解决方案#1。或者你会说更高(或更低)的采样率会更好(或值得测试;))Hi@Mr.Floppy,你最终找到了解决方案吗?我面临着类似的问题,另外,在重新采样过程中,你会根据最终组合重量(通过乘以所有重量获得)对粒子重新采样吗或者,只要单个WiFi或单个磁系统的重量满足重采样条件,您就进行重采样?@mosdkr这是一个4.5年后提出的非常好的问题:D我查阅了一些我写过的文件,但没有立即找到答案。我不确定我是否还有一些源代码。过几天我会设法弄清楚的。如果我在一周内没有给你回复,请提醒我:)