搜索资源列表
Kalmenf-filters
- 文章介绍了卡尔曼滤波的原理，包括状态方程、过程估计、噪声原理等，并通过matlab予以实现验证。-This paper introduces the principle of Kalman filtering, including the equation of state, the process of estimation, noise theory, etc., and through matlab to achieve validation.
Kalman-filter
- 卡尔曼滤波是基于状态空间方法的一套递推滤波算法，在状态空间方法中，引入了状态变量的概念。实际应用中，可以通过选取合适的状态变量来体现系统的特征、特点和状况的变化。卡尔曼滤波的模型包括状态空间模型和观测模型。状态模型是反映状态变化规律的模型，通过状态方程来描写相邻时刻的状态转移变化规律；观测模型反映了实际观测量与状态变量之间的关系。Kalman滤波问题就是联合观测信息及状态转移规律来得到系统状态的最优估计。-Kalman filter
Kalman_Filter
- 卡尔曼滤波器的操作包括两个阶段:预测与更新。在预测阶段,滤波器使用上一状态的估计,做出对当前状态的估计。在更新阶段,滤波器利用对当前状态的观测值优化。-Kalman filter operation consists of two stages: prediction and update. In the prediction stage, the filter is estimated using the previous state, to make an estimate of the c
kaermanlvbo967456
- 卡尔曼滤波以最小均方误差为最佳估计准则，采用信号与噪声的状态空间模型，利用前一时刻的估计值和当前时刻的观测值来更新对状态变量的估计，求出当前时刻的估计值，算法根据建立的系统方程和观测方程对需要处理的信号做出满足最小均方误差的估计-Kalman filter to minimize the mean square error criterion for the best estimates, using the state space model of signal and noise, usin
kalman
- 卡尔曼滤波，它能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态(Calman filtering, which can estimate the state of a dynamic system from a series of incomplete and noisy measurements)
newPic
- 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(An algorithm for estimating the state of the system by using the linear system state equation, inputting and outputting the observed data through the system. Since the obs
3.【卡尔曼滤波】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。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。(Kalman filtering (Kalman filtering) An algorithm that optimizes the state of the system by using the linear system state equation, through the syst
matlab程序
- 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噪声的测量中，估计动态系统的状态。(Calman filtering is an efficient recursive filter (autoregressive filter). It can estimate the state of dynamic system from a series of incomplete and noisy measurements.)