我正在用android开发一个室内位置跟踪应用程序。
我已经成功地实现了一个计步器，它可以计算步数，并将步数转换为上次wifi/gps定位的变化，以便更准确地跟踪用户在建筑物内的位置。
计步器工作起来很有魅力，我得到了很高的准确度，但是，
当获得一个新的wifi修复程序时，路径将变得不稳定和不稳定。
我在网上搜索了很多论文和案例，发现我需要某种过滤器来平滑结果。
我已经缩小了范围，我需要使用粒子滤波器或西格玛点卡尔曼滤波器（或扩展卡尔曼滤波器）
我读过很多关于这些过滤器的文章，我在udacity.com上看过这门课程，但还是没能拿到。
简而言之，我的计步器输出是基于手机标题的新纬度和经度，wifi位置管理器输出也是纬度和经度。
有人能给我提供一个简短的解释，我应该做什么，以使新的wifi修复到我目前的计步器路径平滑？
最佳答案
要使用卡尔曼滤波器（线性或扩展），您需要：
定义状态空间：假设这是
人（经验法则：只有在实际测量时才包括加速度）。
你可以在纬度/经度坐标系下做，而不用担心
非线性，因为人们不会走那么远。
定义您的测量空间：即您的传感器告诉您的信息以及它们之间的关系
到州空间。
定义植物噪声模型：确定真实世界的运动特性
你的目标；通常这只是一个协方差矩阵，从统计学上描述
目标的运动可以在两次观测之间改变。
定义测量噪声模型：估计传感器报告的数据中的误差；
同样，这是一个统计模型，通常用测量误差的协方差来表示。
我的猜测是你的问题来自（4）：你没有适当地建模你的基于计步器的子系统和基于gps固定的子系统的测量误差。
对于你的问题，尝试一个基本的线性kalman滤波器也是值得的；所涉及的数学不那么复杂，而且或多或少可以用作黑盒（一旦你定义了上面的模型）；扩展的方法（sigma点kf或粒子滤波）通常需要更多的问题域特定的调整。
关于android - 位置跟踪-带计步器和WIFI的Sigma Point Kalman滤波器，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/15092644/