iOS中RSSI的卡尔曼滤波
我已经制作了一个iOS应用程序来定位信标。我注意到信标的RSSI值随时间随机波动。为了获得平滑的RSSI值，我尝试使用卡尔曼滤波器 在卡尔曼滤波方程中，测量噪声（R）可以通过测量一系列RSSI值的方差来计算，过程噪声（Q）可以忽略不计。然而，我无法准确地计算出等式中误差方差（P）的估计值iOS中RSSI的卡尔曼滤波,ios,filtering,kalman-filter,rssi,Ios,Filtering,Kalman Filter,Rssi,我已经制作了一个iOS应用程序来定位信标。我注意到信标的RSSI值随时间随机波动。为了获得平滑的RSSI值，我尝试使用卡尔曼滤波器 在卡尔曼滤波方程中，测量噪声（R）可以通过测量一系列RSSI值的方差来计算，过程噪声（Q）可以忽略不计。然而，我无法准确地计算出等式中误差方差（P）的估计值 由于我的实际测量数据是一系列RSSI值，我应该如何实现卡尔曼滤波？基本上，误差方差（p）的估计取决于其自身的过去值和过程噪声（Q）。由于过程噪声（Q）可忽略不计或非常小的值（0.00001），且P不取决于实际测
由于我的实际测量数据是一系列RSSI值，我应该如何实现卡尔曼滤波？基本上，误差方差（p）的估计取决于其自身的过去值和过程噪声（Q）。由于过程噪声（Q）可忽略不计或非常小的值（0.00001），且P不取决于实际测量值，因此最终它成为一个固定值。此外，如果您的系统是移动的，您可以将一系列RSSI值和您的移动作为输入变量