搜索资源列表
KalmanFilterProgram
- 目标跟踪问题的应用背景是雷达数据处理，即雷达在搜索到目标并记录目标的位置数据, 对测量到的目标位置数据（称为点迹）进行处理，自动形成航迹，并对目标在下一时刻的位置进行预测。 ben文简要讨论了用Kalman滤波方法对单个目标航迹进行预测，并借助于Matlab仿真工具，对实验的效果进行评估。 trajectory.m产生理论的航迹，并绘出 Kalman_filter.m 利用Kalman滤波算法，对目标的航迹进行估计 filter_result.m kalman滤波估计的
zizuokalman
- 卡尔曼在目标跟踪中的应用本文对作匀速运动的二维空中机动目标进行研究，利用交互式多模型方法对雷达目标进行跟踪-target tracking in the application of this uniform motion for the two-dimensional aerial maneuvers goals, use of interactive multi-model approach to tracking radar targets
kalman跟踪滤波
- 目标跟踪问题的应用背景是雷达数据处理，即雷达在搜索到目标并记录目标的位置数据, 对测量到的目标位置数据（称为点迹）进行处理，自动形成航迹，并对目标在下一时刻的位置进行预测。 ben文简要讨论了用kalman滤波方法对单个目标航迹进行预测，并借助于Matlab仿真工具，对实验的效果进行评估。 trajectory.m产生理论的航迹，并绘出 kalman_filter.m 利用kalman滤波算法，对目标的航迹进行估计
matlab_ukf_utilities
- 卡尔曼滤波的一个典型实例是从一组有限的，对物体位置的，包含噪声的观察序列预测出物体的坐标位置及速度. 在很多工程应用(雷达, 计算机视觉)中都可以找到它的身影. 同时，卡尔曼滤波也是控制理论以及控制系统工程中的一个重要话题. 比如,在雷达中,人们感兴趣的是跟踪目标,但目标的位置,速度,加速度的测量值往往在任何时候都有噪声.卡尔曼滤波利用目标的动态信息,设法去掉噪声的影响,得到一个关于目标位置的好的估计。 -kalman ukf matlab
multiple_object_tracking_matlabcode(3D)
- 雷达目标跟踪matlab源程序 希望对大家能够有所帮助-Radar target tracking matlab source hope we can help
the_simulation_of_ca_algorithm
- 雷达数据处理的重要模型算法之一，该代码详细的对目标跟踪的ca算法进行了仿真。-Radar Data Processing, one of the important model algorithm, the detailed code on the target tracking algorithm simulation ca.
loop-gainKalmanfiltersourcecodepackage
- 自己编写的一个循环增益卡尔曼滤波程序包，用于对机动目标进行检测和跟踪的滤波算法，给出目标数学模型和噪声模型，仿真后给出平均观测误差。程序里相应位置有标有注释。供做雷达机动目标检测和跟踪方面研究的人员参考。-I have written a loop-gain Kalman filter package, used for maneuvering target detection and tracking of the filter algorithm, given objective mathe
medfilt
- 目标跟踪问题的应用背景是雷达数据处理，即雷达在搜索到目标并记录目标的位置数据, 对测量到的目标位置数据（称为点迹）进行处理，自动形成航迹，并对目标在下一时刻的位置进行预测。 下文简要讨论了用Kalman滤波方法对单个目标航迹进行预测，并借助于Matlab仿真工具，对实验的效果进行评估。 里面包括三个源程序，和一份实验报告，里面有算法的详细分析和情景假设。-Application of target tracking radar data processing backgroun
Kalman_Filtering
- 卡尔曼滤波在目标跟踪中应用仿真研究。 子函数能完成对运动目标位置的卡尔曼滤波跟踪。 主函数针对一具体假设完成跟踪，并且完成蒙特卡罗仿真。 情景假定：有一两座标雷达对一平面上运动的目标进行观测，目标在 0-600秒沿x轴作恒速直线运动，运动速度为15米/秒，目标的起始点为(-10000米，2000米)。雷达扫描周期T=2秒，x和y独立地进行观测，观测噪声的标准差均为100米。-This program described the Kalman filter algorithm acco
target-tracking-radar
- 下面是利用卡尔曼滤波的方法，实现雷达对目标的跟踪:一目标沿水平方向运动，起始位置为（－2000米，1000米），运动速度为15米/秒，扫描周期T＝2秒， 米，采用蒙特卡洛方法对跟踪滤波器进行仿真，仿真次数为100次。-Below is the use of Kalman filtering method, to achieve the target tracking radar. Parameter :: a target in a horizontal direction, the start
Radar
- 本程序介绍了卡尔曼滤波器在雷达跟踪问题上的应用。通过对雷达测得的距离及方位角参数的估计和预测，较好地实现了雷达对目标的跟踪，说明卡尔曼滤波器在自主或协助导航领域中具有重要的现实意义。-This procedure describes the radar tracking Kalman filter in question on the application. Measured by radar distance and azimuth parameter estimation and fore
Kalman_filter
- 建立雷达对目标的跟踪算法，并进行仿真分析，给出仿真结果，画出目标真实轨迹、对目标的观察和滤波曲线。-Establishment of radar target tracking algorithm and simulation analysis, simulation results, draw real target trajectory, the target of observation and filter curves.
zjzbkalman
- 直角坐标系下的单雷达kalman滤波，实现直角坐标系下单部雷达对目标的跟踪。-The single radar Kalman filter in Cartesian coordinates in the Cartesian coordinate system, place an order of radar target tracking.
ekf
- EKF扩展kalman滤波估计二维平面运动轨迹，实现二维平面有源雷达对目标距离和速度的跟踪。-Kalman filtering estimation of 2D motion trajectory EKF extension, realize the planar active radar for target distance and velocity tracking.
kalmanstatic
- 雷达机动目标跟踪源程序，对学习卡尔曼滤波有指导性意义。-The source program of maneuvering target tracking, radar kalman filter has a guiding significance to the study.
target-tracking
- 利用卡尔曼滤波的方法，实现雷达对目标的跟踪-Using the kalman filtering method, to realize the radar target tracking
MATLAB-boat
- 使用粒子滤波器，模拟雷达对目标物体的跟踪过程-Using a particle filter, simulated radar target object tracking process
M8激光雷达动目标跟踪仿真
- 模拟八线激光雷达产生点云数据，实现目标聚类，并对聚类的目标进行跟踪。(Simulated eight line lidar generates point cloud data, achieves target clustering, and tracks the clustering targets.)
Target tracking
- 先对线性调频信号的压缩，然后设计了雷达对目标跟踪的源程序。(Firstly, the linear FM signal is compressed, then the source program of radar target tracking is designed.)
ImmKalman
- 机动目标跟踪下的交互式多模方法，IMM方法实现雷达对机动目标的跟踪(Interactive multimode method under maneuvering target tracking,Tracking the maneuvering target by radar by IMM method)