位置追踪-带有计步器和WIFI的Sigma Point Kalman滤波器

我已经成功实现了计步器,该计步器可以计算步数,并将其转换为最新的WIFI / GPS修复程序的更改,以更准确地跟踪建筑物内的用户位置.

计步器的工作原理就像魅力,我得到了非常高的准确结果,但是
当获得新的WIFI修复程序时,路径变得不准确且跳跃.

我在网上搜索并阅读了许多论文和案例研究,发现我需要某种过滤器来平滑结果.

我缩小了范围,我需要使用粒子滤波器或Sigma-Point卡尔曼滤波器(或扩展卡尔曼滤波器)

我已经阅读了许多有关这些过滤器的文章,在UDACITY.com上观看了该课程,但仍然无法理解.

简短地讲,我的计步器输出是基于手机前进步骤的新纬度和经度,而WIFI位置管理器的输出也是纬度和经度.

有人可以简要说明一下如何将新的WIFI修复程序平滑到当前的计步器路径吗？

>定义您的状态空间：大概是这的位置和速度
人(经验法则：仅在实际测量加速度时才包括加速度).
您可能可以在纬度/经度坐标中执行此操作,而不必担心
非线性,因为人们不会走那么远.
>定义您的测量空间：即您的传感器告诉您什么以及如何关联
进入国家空间.
>定义植物噪声模型：确定实际运动特征
您的目标；通常这只是一个协方差矩阵,从统计学上描述
目标的运动可以在两次观察之间改变.
>定义测量噪声模型：估算传感器报告的数据中的误差；
同样,这是一个统计模型,通常以测量误差的协方差表示.

我的猜测是您的问题来自(4)：您没有适当地对基于计步器的子系统和基于GPS固定子系统的测量误差建模.

对于您的问题,可能还需要尝试一个基本的线性卡尔曼滤波器.所涉及的数学不太复杂,可以或多或少地用作黑匣子(一旦您定义了上面的模型)；扩展方法(西格玛点KF或粒子滤波)通常需要更多针对问题域的调整.