擬合角度數據的策略

Question

我有一組角度。分佈大致可描述爲：

• 有一個通常是幾個值非常接近（0.0-1.0開度）到正確的溶液
• 也有嘈雜值從正確的結果是很遠，甚至相反的方向

是否有這樣一個問題的共同解決方案/策略？

對於多維數據，我會使用RANSAC--但我的印象是在一維數據上應用Ransac是不尋常的。另一個問題是計算角度的平均值。我讀過一些關於如何通過使用矢量來計算角度平均值的帖子，但我只是想知道是否沒有一個解決這兩個問題的特定擬合解決方案。

Answer 1

即使在這種情況下，您也可以使用RANSAC，滿足所有必要條件（最小樣本，數據點錯誤，共識集合）。你最小的樣本將是1點，一個隨機挑選的角度（儘管你可以嘗試所有這些，可能速度不夠快）。然後，所有具有小於某個閾值（例如1度）的誤差（可以僅使用絕對距離，模數360）的角度（數據點）將被視爲內點，即在共識集內。

如果你想用它玩多一點，你可以通過添加一些局部優化使結果更穩定，例如參見： Lebeda，麥塔斯，密友：固定的局部優化RANSAC，監查2012

你可以嘗試另一種方法，例如中位數，或擬合高斯和均勻分佈的混合，但你必須以某種方式處理信號的週期性，所以我認爲RANSAC應該是你的選擇。