[英]Variance matrix from polar to cartesian coordinates
我正在處理極坐標中的時間序列,我正在應用卡爾曼濾波器進行預測。 時間序列與衛星軌道有關。
然而,我對方差的預測和估計用極坐標[r,theta]表示。
我知道如何使用函數將我的預測轉換為笛卡爾坐標
f(r,theta) <- [r*cos(theta),r*sin(theta)].
但我不知道如何處理方差,因為它不是線性算子。
如果您可以幫我改造,我會按順序向您提供我的數據:
Radius Angle
[1,] "39805.9613778309" "1.46134492279737"
[2,] "39805.9613778309" "1.48689546833425"
[3,] "39805.9613778309" "1.51244601387112"
[4,] "39805.9613778309" "1.537996559408"
[5,] "39805.9613778309" "1.56354710494488"
[6,] "39805.9613778309" "1.58909765048176"
第一個預測的方差矩陣是:
radius theta
[1,] 5132782 0.000000000
[2,] 0 0.001646994
我想知道如何在笛卡爾坐標系中獲得第一個預測的矩陣。 謝謝!
這讓我感到困惑。 我想我找到了答案:上面提供的公式,
從最常見的錯誤傳播形式出發。 如果您可以做出一些假設,那么公式是正確的,特別是您可以線性化轉換。
請參閱https://en.wikipedia.org/wiki/Propagation_of_uncertainty#Non-linear_combinations 。 本節有一個小節,“警告和警告”,我認為值得以開放的心態接近(所以你最終沒有偏見:P)。
在開發雷達系統的跟蹤濾波器時,我使用了以下技術:
1)確定笛卡爾旋轉矩陣的極坐標為
R = [cos(theta) - sin(theta);
sin(theta) cos(theta)]
2)執行以下矩陣乘法以獲得笛卡爾坐標中的協方差矩陣,Pcart:
Pcart = R*Ppol*R'
where Ppol is the covariance matrix in polar coordinates
R' is the transpose of R
實現這一目標的最佳方法是找到函數Fhat = Jacobian [f(r,theta)]的雅可比行列式。 如果球面中的方差矩陣是R(極坐標),那么P(Cart)= Fhat * R * Fhat'。 使用旋轉矩陣會給出錯誤的答案,因為它只是將笛卡爾協方差旋轉到另一個“旋轉”的笛卡爾系統中。 請參閱我的“貝葉斯估計和跟蹤:實用指南”一書中的附錄18.B,以獲得該公式的完整推導以及如何使用它。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.