นั่นคือถ้าคุณมีสถานะตัวแปรเป็นตำแหน่ง ( p ) และความเร็ว ( v ) และฉันทำการวัดความถี่ต่ำของpนี่ก็ให้ข้อมูลเกี่ยวกับvทางอ้อมด้วย(เพราะเป็นอนุพันธ์ของp ) วิธีที่ดีที่สุดในการจัดการความสัมพันธ์คืออะไร?
A) ในขั้นตอนการอัพเดตฉันควรจะบอกว่าฉันวัดค่าpแล้วและพึ่งพากระบวนการกรองและเมทริกซ์ความแปรปรวนร่วมของรัฐที่สะสม ( P ) ของฉันเพื่อแก้ไขv ?
B) ฉันควรสร้าง "พิเศษ" ขั้นตอนการทำนายทั้งหลังหรือก่อนขั้นตอนการปรับปรุงของฉันสำหรับการตรวจวัดของพีที่ใช้วัดของฉันหน้าและ (ค่อนข้างใหญ่) เดลต้าเวลาที่จะทำให้การคาดการณ์สูงแปรปรวนของวี ?
C) ในขั้นตอนอัปเดต / การวัดของฉันฉันควรจะบอกว่าฉันทำการวัดทั้งpและ vแล้วเข้ารหัสข้อมูลเกี่ยวกับการพึ่งพาซึ่งกันและกันของพวกเขาในเมทริกซ์ความแปรปรวนร่วม ( R ) หรือไม่?
สำหรับพื้นหลังเพิ่มเติมเล็กน้อยต่อไปนี้เป็นสถานการณ์เฉพาะที่ฉันพบปัญหา:
ฉันกำลังทำงานกับระบบที่ฉันต้องการที่จะประเมินตำแหน่ง ( P ) ของวัตถุและฉันทำให้การวัดที่พบบ่อยของการเร่งความเร็ว ( ) และไม่บ่อยนักที่วัดสูงเสียงพี
ฉันกำลังทำงานกับ codebase ที่ไม่นี้กับคาลมานกรองขยายที่จะช่วยให้เป็นตัวแปรรัฐพีและวี มันรันขั้นตอน "การคาดคะเน" หลังจากการวัดความเร่งทุกครั้งซึ่งจะใช้aและ delta-time เพื่อวัดและทำนายpและvใหม่ จากนั้นก็วิ่ง update "" / "วัด" ตอนสำหรับทุก (ไม่บ่อยนัก) หน้าวัด
ปัญหาคือนี้ - ฉันได้รับการวัดสูงข้อผิดพลาดเป็นครั้งคราวของซึ่งส่งผลให้เกิดความผิดพลาดสูงวี เห็นได้ชัดว่าการวัดaต่อไปจะไม่แก้ไขสิ่งนี้ แต่การวัดpควรกำจัดสิ่งนี้ และในความเป็นจริงสิ่งนี้ดูเหมือนจะเกิดขึ้น ... แต่ช้ามาก
ฉันคิดว่านี่อาจเป็นบางส่วนเพราะวิธีเดียวที่pส่งผลต่อvในระบบนี้คือผ่านความแปรปรวนร่วมเมทริกซ์P - เช่นวิธี A) จากด้านบน - ซึ่งดูเหมือนว่าค่อนข้างทางอ้อม ฉันสงสัยว่าจะมีวิธีที่ดีกว่าในการรวมความรู้ของเราเกี่ยวกับความสัมพันธ์นี้ระหว่างpและvเข้ากับโมเดลหรือไม่ดังนั้นการวัดpจะแก้ไขvได้เร็วขึ้น
ขอบคุณ!