快速卡爾曼濾波器

Question

我想知道是否有人可以給我一個指向真正快速/高效的卡爾曼濾波器實現的指針，可能用Python（或Cython，但C/C++也可以工作，如果速度更快）。我有許多學習時代（可能有數億人）和許多輸入（線索，比如數十到數千）。因此，更新協方差矩陣將是一個大問題。我讀了一些關於Ensemble KF的內容，但是現在，我真的想要堅持使用標準的KF。 [我開始閱讀並測試它，我想試試我的真實數據。 ]

Answer 1

協方差矩陣的大小由狀態的大小決定。另一個問題涉及你的模型的假設，如果這可以帶來顯着的優化（顯然，優化意味着重新制定「標準KF」）。

從我的POV中，您的情況大致取決於值（number_of_states²* number_of_iterations）/（processing_power）。

Answer 2

如果每次更新都有很多測量值，則應該查看卡爾曼濾波器的信息表格。每個額外的測量只是添加。權衡是一個更復雜的預測步驟，並且每當你想要得到你的狀態時，反轉信息矩陣的代價就是這個代價。