搜索资源列表
nonlinearfilter
- 工学博士学位论文 目前，扩展卡尔曼滤波是研究初始对准和惯性/GPS组合导航问题的一个主要手段。 但初始对准和惯性/GPS组合导航问题本质上是非线性的，对模型进行线性化的扩展卡 尔曼滤波在一定程度上影响了系统的性能。近年来，直接使用非线性模型的 UKF(Unscented Kalman Filtering, UKF)和粒子滤波，正在逐渐成为研究非线性估计问题 的热点和有效方法。 本文研究了UKF和粒子滤波两种非线性滤波方法，并将其应用于非线性静基座对 准和惯性
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
- 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
Introduction_of_Kalman_Filter_Chinese
- 1960年，卡尔曼发表了他著名的用递归方法解决离散数据线性滤波问题的论文。从那以后，得益于数字计算技术的进步，卡尔曼滤波器已成为推广研究和应用的主题，尤其是在自主或协助导航领域。卡尔曼滤波器由一系列递归数学公式描述。它们提供了一种高效可计算的方法来估计过程的状态，并使估计均方误差最小。卡尔曼滤波器应用广泛且功能强大：它可以估计信号的过去和当前状态，甚至能估计将来的状态，即使并不知道模型的确切性质。这篇文章介绍了离散卡尔曼理论和实用方法，包括卡尔曼滤波器及其衍生：扩展卡尔曼滤波器的描述和讨论，并给
KalmanFilter
- 卡尔曼滤波代码 可以做线性预测 航迹点的走向-KalmanFilter
IMM-Kalman-filter--simulation
- 结合雷达跟踪的空中目标的实际情况，针对目标运动模型中的线性运动和非线性运动，分别设计了两种模型，并用马尔科夫状态转移矩阵实现IMM算法。最后对交互多模型卡尔曼滤波算法进行了Matlab仿真及结果分析。-Combined with radar tracking air targets, for linear and non-linear movement of target motion model, two models were designed and used a Markov state
KalmanFilter
- 卡尔曼线性滤波 经典代码，然而初始状态的确定并未涉及，请参考相关资料，自行解决-Classical linear Kalman filtering code, however, did not involve the determination of the initial state, please refer to the relevant information, self-solve
INS_ukf
- 一个利用无迹卡尔曼滤波进行的惯导结算程序，可以有效的减少由于线性化带来的误差-An unscented Kalman filter for use in inertial navigation settlement procedures, can effectively reduce the error caused due linearization
kalman
- 设一个系统的真实值为余弦函数，加入的系统过程噪声和测量噪声都满足正态分布，状态方程和量测方程都是线性的，用卡尔曼滤波求出最优结果-Set up a system of real value cosine function, the process of adding system noise and measurement noise are normally distributed, the state equation and measurement equation is linear,
ekf_example
- 扩展卡尔曼滤波器，将卡尔曼滤波理论进一步应用到非线性领域。EKF的基本思想是将非线性系统线性化，然后进行卡尔曼滤波-Extended Calman filter, the Calman filter theory is further applied to the field of nonlinear. The basic idea of EKF is to make the nonlinear system linearization, and then carry on Calman fil
kalman
- 卡尔曼滤波(Kalman filtering)一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。本程序使用opencv进行卡尔曼滤波。-Kalman filter (Kalman filtering) A linear system equation of state, observation data input and output through the system, the system state optimal estimation algorith
kalman
- matlab卡尔曼滤波文件，实现线性和非线性卡尔曼滤波，内容丰富实用-matlab Kalman filter files to achieve linear and nonlinear Kalman filtering, content-rich and practical
kalmanfilter1.py
- 输入为九轴数据，运用线性卡尔曼滤波，模拟出物体运动轨迹-For the nine-axis data input using the linear Kalman filter to simulate the trajectory of moving objects
UKFC源码
- 挺好用的，UKF的代码，实现的是无敏卡尔曼滤波和线性卡尔曼滤波的对比(Very good, UKF code, the realization of the sensitivity of the Calman filter and linear Calman filter contrast)
19-史子纬-作业6
- 卡尔曼滤波（Kalman filtering）一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。(Calman filter (Kalman filtering) uses the state equation of linear system and optimally estimates the state of the system by input and output obser
卡尔曼作业第三次-史子纬
- 这种理论是在时间域上来表述的，基本的概念是：在线性系统的状态空间表示基础上，从输出和输入观测数据求系统状态的最优估计。这里所说的系统状态，是总结系统所有过去的输入和扰动对系统的作用的最小参数的集合，知道了系统的状态就能够与未来的输入与系统的扰动一起确定系统的整个行为。(This theory is expressed in the time domain. The basic concept is: on the basis of the state space representation o
a_New
- 线性卡尔曼，粒子滤波，序贯贝叶斯，信号检测算法。(Kalman Filter; Particle Filter; Sequential Bayesian Approach)
卡尔曼滤波和线性最小方差滤波
- 本MATLAB代码包含了卡尔曼滤波和线性最小方差滤波，并且对比了二者的性能。