的溢出感知执行我试图实现卡尔曼滤波器获得物体的定向，使用3轴加速计和3轴陀螺仪作为传感器。卡尔曼滤波器
选择此过滤器的预测阶段的动态模型是直线前进，它是：
new_angle = angle + angular_velocity * time
new_angular_velocity = angular_velocity
但我没有浮点支持的手，我需要的精度每一位来建模角度。因此，我的计划是将角度表示为32位整数数据，表示完整转为2 pi为2^32个小步骤。 因此，整数溢出处理换行（2 pi与0方向相同）是免费的。
但是，这也构成了对过滤器的一个问题：如果估计的角度将，说359°，我的测量0°，然后过滤器是假设一个巨大的创新，导致不确定性和奇数值。
有什么办法让过滤器意识到这种可能的包装？在上述情况下仅创新1°？
为了规避这个问题，我想过使用角度的差异，而不是角度，但我不能找到合适的型号。
今天我有类似KF同样的问题......但我没有限制你。
这里是我所做的：
的predicted_angle值被计算刚过：
//避免0和360
之间跳跃如果（measured_angle < pi/2之间& & predicted_angle> 3 * pi/2）prediction_angle = predicted_angle - 2 * pi;
if（measured_angle> 3 * pi/2 & & estimate_aAngle < pi/2）predicted_angle = predicted_angle + 2 * pi;
规范化estimated_angle经计算后。
如果你不介意牺牲一点精度可能会切换到有符号整数[-2 * PI，+ 2 * PI）范围内，做同样的。
P.S.如果每个样本的最大角度变化很小，我认为在KF中使用内部角度偏移可以牺牲一个比特的精度。偏移量必须大于该值。 您将拥有2^32 = 2 * Pi + 2 * OFFSET范围而不是2 * pi。在KF中，将此OFFSET添加到局部角度变量并返回estimated_angle = normalize（offset_estimated_angle - OFFSET，0-2 * pi）。
HTH