algorithm - 使用具有不同采样率的多个传感器的粒子过滤器

Question

现状:

我已经为室内定位系统实现了粒子过滤器。它使用磁场指纹。粒子过滤器的实现非常简单:

1. 我创建了在整个区域均匀分布的所有粒子
2. 每个粒子都有一个速度(高斯分布，均值为“正常”行走速度)和一个方向(在所有方向上均匀分布)
3. 改变速度和方向(均为高斯分布)
4. 以速度乘以上次和当前测量的时间差在给定方向上移动所有粒子
5. 找到每个粒子最接近的指纹
6. 通过比较最接近的指纹和给定的测量值来计算每个粒子的新权重
7. 规范化
8. 重新采样
9. 对每个测量重复#3 到#9

问题:

现在我想做基本相同的事情，但向系统添加另一个传感器(即 WiFi 测量)。如果测量同时出现，就不会有问题。然后我将只计算第一个传感器的概率并将其乘以第二个传感器的概率以获得我对 #6 处粒子的权重。

但磁场传感器的采样率非常高(约 100 Hz)，WiFi 测量值大约每秒出现一次。

我不知道什么是处理这个问题的最佳方法。

可能的解决方案:

1. 我可以丢弃(或平均)所有磁场测量值，直到出现 WiFi 测量值，然后同时使用最后的磁场测量值(或平均值)和 WiFi 信号。所以基本上我将磁场传感器的采样率降低到 WiFi 传感器的采样率
2. 对于每次磁场测量，我都使用最后一次看到的 WiFi 测量
3. 我使用分开的传感器。这意味着如果我获得一个传感器的测量值，我将执行所有步骤 #3 到 #9，而无需使用另一个传感器的任何测量数据
4. 我还没有想过的任何其他解决方案 ;)

我不确定哪个是最好的解决方案。所有的解决方案似乎都不是很好。

对于#1，我会说我正在丢失信息。尽管我不确定对粒子过滤器使用大约 100 Hz 的采样率是否有意义。

在#2，我不得不假设 WiFi 信号不会很快出现，我无法证明这一点。

如果我单独使用传感器，则磁场测量会变得比 WiFi 测量更重要，因为在出​​现一次 WiFi 测量之前，所有步骤都将针对磁场数据发生 100 次。

你知道一篇处理这个问题的好论文吗？

是否已经有一个标准的解决方案来处理粒子过滤器中具有不同样本大小的多个传感器？

100 赫兹的样本量有意义吗？或者粒子过滤器的一步的适当时间差是多少？

非常感谢您提供任何类型的提示或解决方案:)

Answer 1

在 #2 中，您可以将滤波器延迟 1 秒，而不是使用采样保持，并在 WiFi 测量值之间进行插值以进行上采样，这样您的两个信号都为 100Hz。

如果您对 WiFi 行为了解更多，您可以使用比线性插值更高级的方法来模拟更新之间的 Wifi 行为。 These folks使用更高级的异步保持来对较慢的传感器信号进行上采样，但卡尔曼滤波器之类的东西也可能起作用。

关于更新速度，我认为 100Hz 对你的应用来说听起来很高(假设你正在对一个在室内行走的人进行定位)，因为你可能会考虑很多噪音，降低采样频率是一种廉价的方式滤除高频噪声。