Kan iemand mij vertellen hoe ik de process noise covariance factor kan bepalen?
Het gaat om een meetsysteem waarmee ik de hoek wil bepalen van een plateau. Ik gebruik daarvoor twee accelerometers en een gyroscoop.
Als ik de theorie goed begrijp is de measurement noise, de jitter op de accelerometer(?)
(Ja ik heb al even gezocht op google, maar daar heb ik dus geen antwoord op mijn vraag gevonden)
Thanks!
Bart Hiddink
Bart Hiddink is Ideetron; electronics and projects, http://www.ideetron.nl. LoRaWAN Nutcase.
Ehh, meten?
http://en.wikipedia.org/wiki/Sample_covariance_matrix
[Bericht gewijzigd door Bart Hiddink op (72%)]
Meten is volgens mij niet het goede antwoord:
process noise covariance cannot be measured because we cannot directly observe the process we are measuring if we choose Q large enough (lots of uncertainty) a poor process model can produce acceptable results.
Large enough...?!
See:
http://www.cs.unc.edu/~tracker/media/pdf/SIGGRAPH2001_CoursePack_08.pd…
Al op 'kalman filter' gezocht?
Anyway, IIRC kun je de 'measurement noise' niet toewijzen aan een specifieke invloed (zoals wat je probeert te doen door te zeggen dat het 'de jitter (?) van de accelerometer is'). Kalman filters meten de systeemruis, dwz de ruis van alle bronnen bijelkaar, en proberen op basis daarvan een goede 'schatting' te maken voor het volgende meetpunt.
(Tenzij je in je systeemvergelijking verschillende factoren afzonderlijk onderscheidt, dan wordt 't een ander verhaal)
uiteraard heb ik op Kalman filter gezocht, vandaar namelijk mijn vraag...
http://www.cs.unc.edu/~welch/kalman/
Kalman zegt:
xk = Ax(k-1) + Buk + w(k-1)
zk = Hxk + vk
The random variables and represent the process and measurement noise (respectively)
p(w) ~ N(0, Q)
p(v) ~ N(0, R)
In practice, the process noise covariance (Q) and measurement noise covariance (R) matrices might change with each time step or measurement.
Ik kan me iets voorstellen bij het opstellen van matrices voor A,B,H en zelfs R. Want R kun je meten. Maar hoe bepaal je nu Q? Of eigenlijk w.