搜索资源列表
ekf1153
- 卡尔曼滤波是一种高效率的递归滤波器(自回归滤波器), 它能够从一系列的不完全包含噪声的测量(英文:measurement)中，估计动态系统的状态。 -Kalman Filter is a highly efficient recursive filter (autoregressive filter), It can complete a series of noise measurements included (in English : measurement). Dynamic Syste
ekf_orientation
- 给出了一种利用磁传感器进行方位估计的扩展卡尔曼算法，该方法效果很好。-gives a magnetic position sensor is estimated that the extended Kalman algorithms, the method yielded good results.
Kalmantestfenxi
- 基于卡尔曼的视频序列帧图像的跟踪程序，还有condense算子法的跟踪，可动态读取序列帧并对其进行估计跟踪，非常好的程序。-based video sequence pictures of the tracking process, in addition to condense operator law tracking, Dynamic sequences can be read on its frame and estimated tracking, very good procedure
ekf
- 利用扩展卡尔曼进行状态估计 状态向量四维 测量向量二维 误差为高斯白噪声
StudytheApplicationofMonteCarloParticleFilterAlgor
- 随着这些年计算机硬件水平的发展, 计算速度的提高, 源自序列蒙特卡罗方法的蒙特卡罗粒子滤波方法的应用研究又重新活跃起来。本文的这种蒙特卡罗粒子滤波算法是利用序列重要性采样的概念, 用一系列离散的带权重随机样本近似相 应的概率密度函数。由于粒子滤波方法没有像广义卡尔曼滤波方法那样对非线性系统做线性化的近似, 所以在非线性状态估计方面比广义卡尔曼滤波更有优势。在很多方面的应用已经逐渐有替代广义卡尔曼滤波的趋势。
kalman
- 卡尔曼滤波算法 一种最小方差估计
anolinerfilter
- 粒子滤波算法受到许多领域的研究人员的重视，该算法的主要思想是使用一个带有权值的粒子集合来表示系统的后验概率密度。在扩展卡尔曼滤波和Unscented卡尔曼滤波算法的基础上，本文提出一种新型粒子滤波算法。首先用Unscented卡尔曼滤波器产生系统的状态估计，然后用扩展卡尔曼滤波器重复这一过程并产生系统在k时刻的最终状态估计。在实验中，针对非线性程度不同的两种系统，分别采用五种粒子滤波算法进行实验。结果证明，本文所提出算法的各方面性能都明显优于其他四种粒子滤波算法。
missile_alignment
- 速度+姿态量测是日前比较理想的传递对准量测方案，但在工程应用时，存在矩 阵计算量大、易受计算机速度限制等缺点。本文提出了“速度+姿态矩i阵”量测，设计了快速对准卡 尔曼滤波器，并对包括起匕过程的全程匕行轨迹传递对准进行了计算机仿真。结果表明:该技术不 仅对速度姿态航向等误差估计快速准确，而目有利于对惯性器件误差的估计和补偿，便于匕行员 更好地捕捉战机。
kalman_intro_chinese_V1.2
- 在1960年，卡尔曼出版了他最著名的论文，描述了一个对离散数据线性滤波问题的递归解决方法。从那以后，由于数字计算的进步，卡尔曼滤波器已经成为广泛研究和应用的主题，特别在自动化或协助导航领域。 卡尔曼滤波器是一系列方程式，提供了有效的计算（递归）方法去估计过程的状态，是一种以平方误差的均值达到最小的方式。滤波器在很多方面都很强大：它支持过去，现在，甚至将来状态的估计，而且当系统的确切性质未知时也可以做。 这篇论文的目的是对离散卡尔曼滤波器提供一个实际介绍。这次介绍包括对基本离散卡尔曼滤波器
kalman
- 卡尔曼滤波的源程序，卡尔曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法。它适合于实时处理和计算机运算。
KalmanFiltering
- 卡尔曼滤波算法C++，采用信号与噪声的状态空间模型，利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻的估计值。
kalmantofilter
- 基于卡尔曼的滤波来对有角测量系统的目标位置进行估计
Kalman
- 最佳线性滤波理论起源于40年代美国科学家Wiener和前苏联科学家Ｋолмогоров等人 的研究工作，后人统称为维纳滤波理论。从理论上说，维纳滤波的最大缺点是必须用到无限过去 的数据，不适用于实时处理。为了克服这一缺点，60年代Kalman把状态空间模型引入滤波理论， 并导出了一套递推估计算法，后人称之为卡尔曼滤波理论。卡尔曼滤波是以最小均方误差为估计 的最佳准则，来寻求一套递推估计的算法，其基本思想是：采用信号与噪声的状态空间模型，利 用前一
zuiyou
- 用一观测器从t=1秒开始对一个运动目标的距离进行连续地跟踪测量，假设观测的间隔为一秒钟，雷达到运动目标之间的距离为S(t)（1） 统计特性的初值为 （2）观测误差是与和均不相关的白噪声序列，并且有 （3）观测数据存放在附加的文件中（单位：m）。 要求：分析上述对象，建立系统模型，构造卡尔曼滤波器，编程计算，求： （1） 距离S(t)的最佳估计及估计误差， （2） 距离S(t-5)的最佳平滑及估计误差， （3） 距离S(t+5)的最佳预测及估计误差，
signaldetectionandestimation
- 本程序报是信号处理中信号检测与估计的一个程序包，编程环境是matlab.包含匹配滤波和卡尔曼滤波。
Objecttracking
- 跟踪相关论文，《基于彩色图像的机器人视觉跟踪》《基于扩展卡尔曼滤波的主动视觉跟踪技术》《基于视觉和扩展卡尔曼滤波的位姿和运动估计新方法》《一种运动目标检测与跟踪快速算法的研究》
kalman_fliter
- 卡尔曼滤波源码(matlab) 实现用Kalman滤波求出信号的估计值-A kalman filter code written with matlab,with it we can find out the estimative value.
kalman-fiter
- 这是一个采用扩展卡尔曼滤波算法估计电池SOC的程序，希望对大家有所帮助！-This is a program about battery SOC estimation with kalman filtering algorithm.
MotorKalman
- 步进电机的MATLAB仿真程序，采用了卡尔曼滤波，对定子电流进行估计，并估算出转子的位置和速度-Continuous time extended Kalman filter simulation for two-phase step motor，Estimate the stator currents, and the rotor position and velocity, on the basis of noisy measurements of the stator currents.
kalman_c
- 卡尔曼滤波算法，C语言例程，卡尔曼滤波是一种高效率的递归滤波器(自回归滤波器), 它能够从一系列的不完全及包含雜訊的测量中，估计动态系统的状态-EDOM way the XY axis gyroscope specifications. X-/Y-Out Pins: 2000 °/s full scale range 0.5mV/°/s sensitivity X/Y4.5Out Pins: 440 °/s full scale range 2.27mV/°/s sensitivity