rlabbe/filterpy

Python Kalman filtering and optimal estimation library. Implements Kalman filter, particle filter, Extended Kalman filter, Unscented Kalman filter, g-h (alpha-beta), least squares, H Infinity, smoothers, and more. Has companion book 'Kalman and Bayesian Filters in Python'.

它解决了什么问题

FilterPy 提供了一系列用于最优和非最优估计的工具,主要专注于卡尔曼滤波器。它帮助用户实现算法来估计系统状态(如位置或速度),即使在测量结果存在噪声或不确定性的情况下也是如此。

它是如何工作的

该库使用 NumPy 和 SciPy 来执行底层的数学计算。它的设计具有教学意义,代码结构与标准估计文献中的方程紧密对应。用户使用特定的矩阵(如状态转移矩阵和测量噪声矩阵)初始化滤波器对象,然后运行一个在预测下一个状态和使用新测量值更新状态之间交替的循环。

适用人群

它旨在为需要实现滤波算法的学生、研究人员和工程师提供服务。对于那些阅读作者配套书籍《Kalman and Bayesian Filters in Python》的用户来说,它特别有用,因为该库为书中教授的概念提供了实际实现。

亮点

  • 包含多种滤波器:卡尔曼滤波器、扩展卡尔曼滤波器、无迹卡尔曼滤波器、卡尔曼平滑器、最小二乘法、衰减记忆滤波器、g-h 滤波器和离散贝叶斯滤波器。
  • 设计清晰,代码直接映射到数学方程。
  • 基于标准的 Python 科学库(NumPy, SciPy, Matplotlib)构建。
  • 包含详尽的文档,并与作者的教育材料紧密集成。

相关

  • 项目
  • 项目
  • 项目
  • 项目