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：

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传感器（即WiFi测量）。如果测量同时出现，就不会有问题。然后我会计算第一个传感器的概率，然后乘以第二个传感器的概率，得到粒子在#6的重量

但磁场传感器的采样率非常高（约100 Hz），WiFi测量几乎每秒出现一次

我不知道处理这个问题的最好办法是什么

可能的解决方案：

我可以扔掉（或平均）所有磁场测量值，直到出现WiFi测量值，然后将最后一次磁场测量值（或平均值）和WiFi信号一起使用。所以基本上我把磁场传感器的采样率降低到WiFi传感器的采样率

对于每次磁场测量，我都使用上次看到的WiFi测量

我使用分离的传感器。这意味着如果我得到一个传感器的测量值，我会执行所有步骤#3到#9，而不使用另一个传感器的任何测量数据

我没有考虑过的任何其他解决方案；） 我不确定哪一个是最好的解决方案。所有的解决方案似乎都不好

有了#1，我会说我失去了信息。虽然我不确定使用大约100 Hz的采样率作为粒子过滤器是否有意义

在#2时，我不得不假设WiFi信号不会很快出现，我无法证明这一点

如果我单独使用传感器，磁场测量将比WiFi测量更重要，因为所有步骤都会与磁数据一起发生100次，直到出现一次WiFi测量

你知道一篇处理这个问题的好论文吗

是否已经有了一个标准的解决方案，如何在粒子过滤器中处理具有不同样本大小的多个传感器

100赫兹的样本大小有意义吗？或者，对于粒子过滤器的一个步骤，适当的时间差是多少

非常感谢您提供的任何提示或解决方案：）

在#2中，您可以将滤波器延迟1s，并在WiFi测量值之间进行插值，以便进行上采样，从而使两个信号均为100Hz

如果您对WiFi行为了解更多，您可以使用比线性插值更先进的方法来模拟更新之间的WiFi行为。使用更高级的异步保持对较慢的传感器信号进行上采样，但类似于卡尔曼滤波器的方法也可以工作

---

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：）