我正在尝试执行以下代码
p, c = [], []
for z in mes:
print (z)
print (c)
print (p)
p.append(kf.x)
c.append(kf.P)
kf.predict()
kf.update(z) #error on this line
我得到错误：
ValueError：尺寸不匹配：数组“ cov”的形状为（1，1），但是
“均值”是长度为2的向量。
这是屏幕上显示的输出
[512 102]
[array([[ 1000., 0., 0., 0.],
[ 0., 1000., 0., 0.],
[ 0., 0., 1000., 0.],
[ 0., 0., 0., 1000.]])]
[array([[ 396.],
[ 187.],
[ 0.],
[ 0.]])]
如果我仅采用
z的第一个元素，则效果很好，但是，这不是我想要的行为。p, c = [], []
for z in mes:
print (z)
print (c)
print (p)
p.append(kf.x)
c.append(kf.P)
kf.predict()
kf.update(z[0])
更新其他信息
此错误来自
multivariate.py in scipy。我似乎无法从cov更改(1,1)的形状。我可以使用mean来更改z[0]的长度，但是，这不是必需的。我想按原样使用z。我还将整个代码发布为gist here。我还在卡尔曼滤波器中使用filterpy library。有一个使用此卡尔曼过滤器的live python notebook，但是，它不像我的场景中那样使用z。 最佳答案
使用filterpy库时，您需要自行设置Kalman过滤器的初始状态，并且各个矩阵的维数必须兼容。如果您查看KalmanFilter.update()方法，则可以跟踪它所做的计算，并对矩阵维度提出以下约束条件集：
R.shape == (dim_z, dim_z)
H.shape == (dim_z, dim_x)
P.shape == (dim_x, dim_x)
x.shape == (dim_x, 1...)
z.shape == (dim_z, 1...)
其中
1...可以表示大小为1的某些尺寸序列，这两个序列相同。例如，对于您来说，使用dim_x == 4和dim_z == 2，因此可以使用x.shape == (4, 1)和z.shape == (2, 1)，或者可以使用x.shape == (4,)和z.shape == (2,)，但是不能混合匹配。 （请注意，KalmanFilter.__init__()文档似乎为H提供了错误的必需尺寸。）您的代码在两个地方设置了错误的尺寸：
将
H设置为1x4矩阵，而不是应设置的2x4。 （我注意到这里您已经注释掉了有效的代码。）您将
R设置为标量值，而不是2x2矩阵。可以说，卡尔曼滤波器的实现应该考虑到这一点，但是只有当您将R作为参数传递给update()时才这样做，而不是事先设置时。 （但是请注意：如果将R设置为标量，代码仍然可以正常工作！尽管如此，它还是会做错事，尽管：将2加到矩阵的每个元素上，而不是将2倍加到矩阵上。单位矩阵。）当您将
z传递给update()方法时，您传递的是一个由两个元素组成的列表，该列表将转换为一个2个元素的向量，而不是一个2x1矩阵，因为它应该与x兼容（ 4x1）。您可以通过在调用z = np.array([z]).T之前在循环体内运行update()来解决此问题。但是我认为有一种更好的方法：将z保留原样，仅将x设为4元素向量：x = np.array([measurements[0][0],measurements[0][1],0.,0.])
我不确定这是否意味着作者可以使用，但是（目前）可以，而且应该可以。我认为要求将每个度量转换为2x1矩阵再传递它是一种愚蠢的做法。
KalmanFilter包括test_matrix_dimensions()方法，可用于检查设置中的错误。但是我对此有些矛盾，因为如您在上一段中所建议的那样，如果将x设置为4元素向量，则会将其标记为不正确。关于python-3.x - 尺寸不匹配:数组“cov”的形状为(1，1)，但“均值”是长度为2的向量，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/33930446/