Python 3.x 维度不匹配：数组'；cov'；形状为（1，1），但'；平均值'；是长度为2的向量

我正在尝试执行以下代码

p, c = [], []
for z in mes:
    print (z)
    print (c)
    print (p)
    p.append(kf.x)
    c.append(kf.P)
    kf.predict()
    kf.update(z) #error on this line

我得到一个错误：

ValueError:维度不匹配：数组“cov”的形状为（1，1），但 “平均值”是长度为2的向量

这是屏幕上显示的输出

[512  102]
[array([[ 1000.,     0.,     0.,     0.],
       [    0.,  1000.,     0.,     0.],
       [    0.,     0.,  1000.,     0.],
       [    0.,     0.,     0.,  1000.]])]
[array([[ 396.],
       [  187.],
       [    0.],
       [    0.]])]

如果我只接受

z

的第一个元素，那么效果很好，但是，这不是我想要的行为

p, c = [], []
for z in mes:
    print (z)
    print (c)
    print (p)
    p.append(kf.x)
    c.append(kf.P)
    kf.predict()
    kf.update(z[0]) 

更新其他信息

---

这个错误来自于。我似乎无法从

（1,1）

更改

cov

的形状。我可以通过使用

z[0]

来更改

mean

的长度，但这不是我想要的。我想按原样使用

z

。我还将整个代码作为一个链接发布。我也在使用卡尔曼滤波器的。使用这个卡尔曼滤波器有一个缺点，但是，它不像我的场景那样使用

z

使用filterpy库时，您需要自己设置卡尔曼滤波器的初始状态，并且各种矩阵的尺寸需要兼容。如果查看

KalmanFilter.update（）

方法，您可以跟踪它所做的计算，并对矩阵维度提出以下约束集：

R.shape == (dim_z, dim_z)
H.shape == (dim_z, dim_x)
P.shape == (dim_x, dim_x)
x.shape == (dim_x, 1...)
z.shape == (dim_z, 1...)

其中，

1…

可以表示大小为1的尺寸序列，这两种尺寸序列相同。例如，在你的例子中，

dim_x==4

和

dim_z==2

因此你可以有

x.shape==（4，1）

和

z.shape==（2，1）

，或者你可以有

x.shape==（4，

和

z.shape==（2，）

，但你不能混搭。（请注意，

KalmanFilter.\uuuuu init\uuuu（）

文档似乎为

H

提供了错误的所需尺寸）

您的代码在两个位置设置了错误的维度：

• 您将

  H

  设置为1x4矩阵，而不是2x4矩阵。（我注意到这里已经注释掉了有效代码。）
• 将

  R

  设置为标量值，而不是2x2矩阵。可以说，卡尔曼滤波器的实现应该考虑到这一点，但它仅在您将

  R

  作为参数传递到

  update（）

  时才考虑到这一点，而不是在您预先设置它时。（但要小心：如果将

  R

  设置为标量，代码仍然有效！但我认为这是错误的：将2添加到矩阵的每个元素，而不是将单位矩阵添加2倍。）
• 当您将

  z

  传递给

  update（）

  方法时，您传递的是一个两元素列表，它被转换为一个两元素向量，而不是一个2x1矩阵，因为它应该与

  x

  兼容（即4x1）。您可以通过在调用

  update（）

  之前在循环体中运行

  z=np.array（[z]）.T来解决此问题。但我认为有一个更好的方法：保持
  z
  不变，只需将
  x
  设为4元素向量：
  
  x = np.array([measurements[0][0],measurements[0][1],0.,0.])
  
  我不确定这是否是作者的本意，但（目前）确实如此，而且可能应该如此。我认为在传递之前要求将每个测量值转换为2x1矩阵有点愚蠢
  

---

KalmanFilter

包括一个

test\u matrix\u dimensions（）

方法，可用于检查设置中的错误。但是我有点矛盾，因为如果你把

x

设置为一个4元素向量，正如我在上一段中所建议的那样，它会将其标记为不正确。

你能包括定义

kf

和

mes

的代码（或伪代码）吗？我无法确定您的代码试图执行什么。错误本身很简单：在

kf.update（）

的实现中，有一个操作涉及一个名为

c

的变量和一个名为

mean

的变量（我猜这是

kf.update（）

）的参数，其尺寸必须与操作兼容才能正常工作。可能是矩阵乘法。但我不能说更多，尤其是如何修复它，至少在不知道您正在使用哪个卡尔曼滤波器实现的情况下。对你要做的事情有一个高层次的描述也会很方便。@maxymoo我在这里发布了整个代码作为要点，我使用这个库中的kalman filters@DavidZ我使用github.com/rlabbe/kalman-and-Bayesian-filters-in-Python来实现kalman filters。此外，我还添加了代码的要点，您是正确的。但我似乎不知道如何更新

cov

，使其不是

（1,1）

。我想如果我能改变这一点……一切都会成功的<代码>平均值的长度为2，但我希望保持这种状态。就像我提到的，如果我把它的长度改为1（

z[0]

），一切正常。@Anthony好的，这很有帮助。但我建议将这些评论的内容编辑成问题。如果评论被删除，即使在评论被删除之后，也要有重要的信息。