搜索资源列表
kalman滤波的仿真
- 5.4.2 Kalman滤波器的设计 这一节将讨论如何使用控制系统工具箱进行Kalman滤波器的设计和仿真。 考虑下面的离散系统： x［n+1］=Ax［n］+B(u［n］+w［n］) (5.9) y［n］=Cx［n］ (5.10) 其中, w［n］是在输入端加入的高斯噪声。 状态矩阵参数分别为 A = ［1.1269-0.49400.1129 1.0000 0
marginalDistribution
- 计算5a,10a,20a,50a,100a一遇的干旱历时设计值 用指数分布（2p）拟合干旱历时（D）数据 采用概率权重估计参数 K-S法进行检验(Calculated drought duration design values for 5a, 10a, 20a, 50A and 100A Fitting drought diachronic (D) data using exponential distribution (2P) Parameter estimation
UKFF
- 利用ukf算法，通过辨识过的参数，进行状态方程的状态的估计，从而实现对soc的估计(Using UKF algorithm, the state of state equation is estimated by identifying parameters, thus the estimation of SOC is realized.)
copula
- 运用MATLAB进行混合copula函数的参数计算，基于em估计(Using MATLAB to calculate the parameters of mixed copula function, based on EM estimation)
MCMC
- 使用seir及其改进模型估计传染病的参数(Estimation of infectious disease parameters using SEIR and its improved model)
spilloverRolling BK
- 该函数使用标准VAR估计值计算滚动溢出。 我们实现了并行版本，以提高处理速度。窗口为固定窗口，在数据上滚动。其他参数的解释与溢出的标准计算相同。 按照Barunik、Krehlik（2018）的定义计算fevd的滚动频率溢出}。(This function computes the rolling spillover using the standard VAR estimate. We implement the parallel version for faster processin