过滤/归一化不良信号的算法

标签 algorithm filter normalization signal-processing

使用 GPS 开发跟踪应用程序。 一切都很好,但有时由于封闭区域或恶劣天气,我得到的分数不准确。当您绘制它们时,它看起来不对,有很多跃点/跳跃。

我应该运行什么算法来过滤掉不良信号 对我来说,这看起来像是模糊算法的应用,但你怎么看?

最佳答案

有几个选项:

  1. 剔除异常值
  2. 过滤器
  3. 使用更好的 GPS
  4. 使用外部数据源(捕捉道路)
  5. 上述的组合

我喜欢使用滤波器 - 卡尔曼滤波器是典型的(通常也是最好的)解决方案 - 它使用一定量的预测平均,这比廉价的 IIR(无限脉冲响应)滤波器更好:

过滤值 = 过滤值 * 0.75 + 新值 * 0.25

您可以获得每秒 4-5 次定位的 GPS 模块,这将使您能够以合理的响应时间使用上述“廉价”过滤器。

您还可以简单地获得一个更好的 GPS(SiRF III 或更好),它没有那么嘈杂并且具有更好的室内接收(如果可能)。

消费者 GPS 装置尽可能“捕捉到道路”,因此消费者看不到偏离道路的错误,其他一些技术也是如此。

卡尔曼算法不易实现,但在没有外部数据集或传感器(例如道路速度)的情况下,它是最佳选择。查看http://www.google.com/search?q=open%20source%20kalman%20filter获取有关它的代码和教程。

-亚当

关于过滤/归一化不良信号的算法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/480543/

相关文章:

mysql - 使用 "hashtags"的应用程序的数据库设计

excel - 如何在Excel中进行0到1标准化

python - sklearn 中的规范化及其差异

java - 计算数组中可被给定查询 k 整除的整数个数

c - USACO 数字三角形

algorithm - 解决重复 : Substitution method

filter - MDX 计算成员按维度属性过滤

Javascript:过滤数组中的元素部分

python - 考虑到某些限制,随机化循环赛赛程

ruby-on-rails - 按状态过滤轮胎结果