如何对存在angle wrap问题的车辆航向数据进行滤波处理？

针对-180°~+180°范围的航向角滤波跳变问题，可通过「解绕-滤波-重环绕」的流程处理，具体实现逻辑如下：

• 角度解绕：将原始环形角度序列转换为线性连续序列
  遍历相邻角度，若相邻角度差绝对值超过180°，则给后序所有角度累加±360°补偿，直到相邻差值落在±180°区间内，即可消除人为的360°跳变，得到线性连续的角度序列。常用工具库都有封装好的实现，比如Python的numpy.unwrap(deg_angle, period=360)可直接处理角度单位的输入。
• 线性域滤波：对解绕后的连续序列执行低通滤波
  解绕后的数据属于普通线性数值，你原本使用的滑动平均、一阶低通、卡尔曼滤波等算法都可以直接调用，不会在原跳变位置出现滤波异常。
• 重环绕映射：将滤波后的数据映射回-180°~+180°区间
  对每个滤波后的角度执行转换：(filtered_angle + 180) % 360 - 180，即可得到符合取值范围要求的结果，真实航向跨越±180°产生的跳变也会完整保留。

注意：如果使用带状态迭代的滤波算法（如卡尔曼滤波），所有状态更新、预测步骤都需要在解绕后的线性空间执行，不要直接用环绕后的数据更新状态，避免跳变节点的状态估计错误。

内容的提问来源于stack exchange，提问作者Jake