filter-rs - Rust 中的卡尔曼滤波和其他最优和非最优估计滤波器。

filter-rs 是 filterpy 库的移植，旨在为 Rust 提供卡尔曼滤波和最优估计。

这个移植是一个正在进行中的工作，尚不完整。要了解更多关于卡尔曼滤波的信息，请查看 Roger R Labbe Jr. 的出色书籍 Kalman-and-Bayesian-Filters-in-Python。

随着我阅读这本书并逐步完成，这个库将不断增长，API 可能也会发展和变得更加 Rust-like。对于 API 设计的反馈总是受欢迎的，以及对于缺失功能的拉取请求。

示例

API 基于 nalgebra 矩阵，具有结构泛型性。这意味着输入的形状可以在静态检查，并且在运行时始终正确。

GH 滤波器

let x0 = 0.0;
let dx0 = 0.0;
let g = 0.2;
let h - 0.2;
let dt = 0.01;

let fgh = GHFilter::new(x0, dx0, g, h, dt);

单变量卡尔曼滤波器

卡尔曼滤波器必须使用合理的值进行初始化。可以构建默认的过滤器，但不应使用它。

let mut kf: KalmanFilter<f64, U2, U1, U1> = KalmanFilter::default();

kf.x = Vector2::new(2.0, 0.0);
kf.F = Matrix2::new(
    1.0, 1.0,
    0.0, 1.0,
);
kf.H = Vector2::new(1.0, 0.0).transpose();
kf.P *= 1000.0;
kf.R = Matrix1::new(5.0);
kf.Q = Matrix2::repeat(0.0001);

let mut results = Vec::default();
for t in 0..100 {
    let z = Vector1::new(t as f64);
    kf.update(&z, None, None);
    kf.predict(None, None, None, None);
    results.push(kf.x.clone());
}

当前状态

每个与 filtyperpy 库具有功能对等的模块都将填充复选框。

• 线性卡尔曼滤波器

• 固定滞后平滑器

• 平方根卡尔曼滤波器

• 信息滤波器

• 衰减卡尔曼滤波器

• MMAE 滤波器库

• IMM 估计器

• 扩展卡尔曼滤波器

• 无迹卡尔曼滤波器

• 集合卡尔曼滤波器

• 离散贝叶斯

• GH-滤波器

• GHK-滤波器

• 衰减记忆滤波器

• H-无穷滤波器

• 最小二乘滤波器

许可证

根据您的选择，受以下任何一个许可证的约束

• Apache License, Version 2.0 或 http://www.apache.org/licenses/LICENSE-2.0
• MIT license 或 http://opensource.org/licenses/MIT

。

贡献

除非您明确声明，否则您提交的任何有意包含在作品中的贡献，如 Apache-2.0 许可证中定义的，均应按上述方式双许可，不附加任何额外条款或条件。