自动控制 / 系统课时

用 NumPy 生成带噪运动轨迹

用 NumPy 生成带噪运动轨迹

这一篇用可重复的仿真数据区分小车的真实运动与传感器读数。你会配置 NumPy 和 Matplotlib,生成 10 秒的位置、速度真值及带高斯噪声的位置测量,并通过数组形状、数值和曲线检查结果。

学习目标

  • 安装并核对 NumPy、Matplotlib,生成覆盖 0~10 秒的 101 个采样点。
  • 分开保存真实状态与位置测量,正确设置 0.5 米的噪声标准差。
  • 用固定种子重复实验,并用数值和图形验收结果。

安装并核对依赖

本例的验证环境为 Python 3.12、NumPy 2.3.5、Matplotlib 3.10.8。前置条件是已有可用的 Python 3.12;下面统一用 python 调用它,若本机命令是 python3,请在安装和运行时一起替换。

在终端执行以下命令。使用 python -m pip,可以明确依赖安装到哪个 Python 环境。genui{"citation":{"ref":"turn0search0"}}

bash
# 使用运行脚本的同一个解释器安装依赖。
python -m pip install numpy==2.3.5 matplotlib==3.10.8
python -c "import numpy as np; import matplotlib as mpl; print(f'numpy={np.__version__}, matplotlib={mpl.__version__}')"

预期输出:安装日志因环境而异,最后一条版本检查命令输出如下。

text
numpy=2.3.5, matplotlib=3.10.8

定义真实轨迹和测量

设小车做一维匀加速运动:初始位置 0 米、初速度 1 米/秒、加速度 0.2 米/秒²。每 0.1 秒采样一次,覆盖 0~10 秒,包含两个端点,因此是 100 个时间间隔、101 个采样点。

位置按 p(t)=p0+v0t+0.5at2p(t)=p_0+v_0t+0.5at^2 计算,速度按 v(t)=v0+atv(t)=v_0+at 计算。真实状态包含位置和速度;传感器只测位置,测量模型为 zk=p(tk)+ϵkz_k=p(t_k)+\epsilon_k,其中 ϵk∼N(0,0.52)\epsilon_k\sim\mathcal{N}(0,0.5^2)。

这里假设每次测量的噪声相互独立,均值为 0 米、标准差为 0.5 米。真实轨迹由运动参数确定,随机种子控制抽到哪组噪声。保留真值可以检查测量误差;速度真值属于仿真提供的信息,不能冒充速度传感器读数。

真实运动、独立测量噪声与位置测量的数据关系

一次生成数据并画图

把下面完整程序保存为 noisy_motion.py,在该文件所在目录执行 python noisy_motion.py;也可以将整段程序放进一个 Notebook 单元运行。图中文字使用英文,避免尚未配置中文字体时出现缺字。

rng.normal 的 loc 是均值,scale 是标准差,size 是样本数。因此这里传入 scale=0.5,对应的噪声方差为 0.25 平方米;不要把方差 0.25 误填到 scale。genui{"citation":{"ref":"turn2view0"}}

python
import numpy as np
import matplotlib.pyplot as plt

# 用整数索引生成时间轴,明确包含 0 s 和 10 s 两个端点。
dt, n = 0.1, 101
t = np.arange(n) * dt
p0, v0, a = 0.0, 1.0, 0.2
p_true = p0 + v0 * t + 0.5 * a * t**2
v_true = v0 + a * t
x_true = np.column_stack((p_true, v_true))

# 每次完整运行只初始化一次;噪声只进入位置测量。
sigma = 0.5
rng = np.random.default_rng(42)
noise = rng.normal(loc=0.0, scale=sigma, size=n)
z = p_true + noise

# 先检查形状,避免广播错误悄悄生成二维测量数组。
assert x_true.shape == (n, 2)
assert t.shape == p_true.shape == noise.shape == z.shape == (n,)
assert np.isclose(t[-1], 10.0)
assert np.allclose(x_true[-1], [20.0, 3.0])

print(f"t={t.shape}, x_true={x_true.shape}, z={z.shape}")
print("t(s) p_true(m) v_true(m/s) z(m)")
for k in range(3):
    print(f"{t[k]:.1f} {p_true[k]:.3f} {v_true[k]:.3f} {z[k]:.3f}")
print(f"final: p={p_true[-1]:.3f} m, v={v_true[-1]:.3f} m/s")
print(f"noise: mean={noise.mean():.3f} m, std={noise.std(ddof=1):.3f} m")

# 位置和速度的单位不同,分成上下两幅图并共享时间轴。
fig, axes = plt.subplots(2, 1, sharex=True, figsize=(9, 5.5),
                         layout="constrained")
axes[0].plot(t, p_true, color="#168C85", label="true position")
axes[0].scatter(t, z, s=12, alpha=0.7, color="#E58C43",
                label="position measurement")
axes[0].set_ylabel("Position (m)")
axes[1].plot(t, v_true, color="#168C85", label="true velocity")
axes[1].set_ylabel("Velocity (m/s)")
axes[1].set_xlabel("Time (s)")
for ax in axes:
    ax.grid(alpha=0.25)
    ax.legend()
plt.show()

预期输出:在上述验证环境中,控制台显示如下结果;数值保留三位小数。

text
t=(101,), x_true=(101, 2), z=(101,)
t(s) p_true(m) v_true(m/s) z(m)
0.0 0.000 1.000 0.152
0.1 0.101 1.020 -0.419
0.2 0.204 1.040 0.579
final: p=20.000 m, v=3.000 m/s
noise: mean=-0.027 m, std=0.387 m

预期图形:上图为青绿色的位置真值曲线和暖橙色的位置测量散点;下图为速度真值直线,从 1 米/秒升至 3 米/秒。位置曲线越来越陡,是恒定正加速度的结果;散点上下波动来自测量噪声。

plt.subplots(2, 1, sharex=True) 创建上下两幅子图并共享时间轴,便于对齐同一时刻的位置和速度。两种量的纵轴单位不同,因此分别绘制。genui{"citation":{"ref":"turn3view4"}}

核对形状与复现条件

x_true 的形状是 (101, 2),第一列为位置,第二列为速度;z 的形状是 (101,),每个时刻只有一个位置读数。还可手算 5 秒时的位置为 7.5 米、速度为 2 米/秒,对照数组下标 50 的数据。

这次样本噪声的均值是 −0.027 米,样本标准差是 0.387 米。ddof=1 表示计算方差时分母用样本数减一。有限样本的统计量不必精确等于设定的 0 和 0.5,也不能要求所有误差都落在 ±0.5 米以内。

在相同机器、运行环境和 NumPy 构建中,保持种子、随机调用顺序、参数与样本数不变,完整重跑程序可以复现数据。升级版本或提前多抽一次随机数都可能改变序列;固定种子不保证跨版本逐项一致。genui{"citation":{"ref":"turn2view1"}}

生成器应在抽样前初始化一次。若在循环里反复执行 default_rng(42) 并只取第一个样本,会得到重复噪声;在 Notebook 中只重跑抽样语句,又会继续使用生成器的后续状态。复现实验时应完整重跑初始化和抽样代码。

改动参数并定位错误

做下面两次修改,每次都完整重跑程序,并比较测量散点与真实曲线。

  1. 将 sigma 改为 0.0:z 应与 p_true 重合,噪声均值和标准差都应打印为 0.000,真实速度保持不变。
  2. 将 sigma 改为 1.0,保持种子为 42:每个噪声值变为原来的两倍,设定方差变为 1 平方米,真实轨迹和数组形状保持不变。
现象 原因与修正
导入时报 ModuleNotFoundError 安装和运行可能用了不同解释器;用运行脚本的同一个解释器重新执行安装命令。
z.shape 变成 (101, 101) 把形状为 (101, 1) 的位置列与 (101,) 的噪声相加触发广播;相加前保持两者都是 (101,)。
导入出现循环引用或缺少属性 检查脚本是否误命名为 numpy.py 或 matplotlib.py;改回 noisy_motion.py,避免遮蔽依赖包。

无图形桌面的环境可能不弹出窗口。可用 fig.savefig('motion.png', dpi=150) 替换主示例最后的 plt.show()(片段示例,依赖上文的 fig);预期在当前工作目录生成 motion.png,打开后检查同样的两幅图。

验收时分别检查真值和测量:修改运动参数应改变真实轨迹,修改噪声参数应只改变测量偏差。这样得到的 x_true 与 z 才能分别承担评估基准和传感器输入的职责。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用 NumPy 生成带噪运动轨迹

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通