卡曼滤波器调参

如果卡尔曼滤波器的表现不佳，你需要调整的主要是对系统中“不确定性”进行建模的三个关键参数：

1. self.matrix_R (测量噪声协方差):

   • 这是最重要的“旋钮”。它告诉滤波器你的传感器有多可靠。
   • 预测过于滞后/迟钝？ -> R 可能太大了，减小 R，让滤波器更相信新的测量值。
   • 预测过于跳动/不稳定？ -> R 可能太小了，增大 R，让滤波器更多地依赖平滑的物理模型。

2. self.matrix_Q (过程噪声协方差):

   • 它告诉滤波器你的物理模型有多可靠。
   • 滤波器跟不上小行星的加速或转弯？ -> Q 可能太小了，增大 Q，让滤波器能更快地调整对速度和加速度的估计。
   • 预测一直很发散，不稳定？ -> Q 可能太大了，减小 Q，让滤波器更相信物理模型。

3. 初始 matrix_P (首次观测时设置):

   • 它代表了你对新出现小行星初始状态的巨大不确定性。
   • 初始收敛太慢？ -> 增大初始 P 的值（例如从 1000 到 10000）。这会让滤波器在开始时更倚重测量值，从而更快地估计出初始速度。

调试策略: 先从 R 开始调，找到一个视觉上看起来合理的平衡点；然后调整 Q 来优化对运动变化的跟踪能力；最后，如果初始几步有问题，再调整初始 P。