Filter 从GPS数据推导Kalman过程模型

这个问题可能早就解决了，但我找不到。我想实现卡尔曼滤波来校正GPS数据。为了实现卡尔曼滤波，我需要创建过程模型和测量模型。对于过程模型，我使用运动方程

s=ut+1/2at^2

和

v=u+at

推导出该方程

过程模型

[Lat(t)]         [1 1 0 0]  [Lat]                [ProcessNoise]
[d(Lat)(t)]  =   [0 1 0 0]  [d(Lat)]     +       [ProcessNoise]
[Lon(t)]         [0 0 1 1]  [Lon]                [ProcessNoise]
[d(Lon)(t)]      [0 0 0 1]  [d(Lon)]             [ProcessNoise]

请注意，d（纬度）和d（经度）分别是纬度和经度的变化率。时间周期为1。因为我没有得到任何控制输入，所以卡尔曼方程的一部分被忽略了

我正在读一个gpx文件，它有Lat，Lon，Velocity，Course，Ldop，Vdop，pDop值。我有两个问题

我能用航向值导出d（Lat）和d（Lon）吗？它们会是吗 精确的

我应该在过程噪声矩阵中使用什么值

---

不，所有gps属性都已经经过了严重的卡尔曼滤波（在芯片中）。 航向和速度不取决于位置（纬度、经度）的变化。通过物理多普勒频移效应计算速度。有传言说，航向计算也使用多普勒频移效应

---

当应用额外的卡尔曼滤波器时，您可能会平滑gps数据，但它们不会获得更高的准确度。

据我所知，课程值是该实例的标题。所以如果我把纬度值转换成XY坐标，我应该可以得到X轴和Y轴上的速度。如果我的理解是错误的，请纠正我。是的，但是x，y（纬度，经度）是失真的，而航向，尤其是速度失真较小，因为芯片使用了更剧烈的多普勒频移来计算速度（可能还有航向）