搜索资源列表
kalman-tracking-sinusoidal-signals
- kalman正弦信号跟踪： 红色为原始状态输出；绿色为量测方程输出；黑色为状态方程输出；蓝色为卡尔曼滤波输出-kalman tracking sinusoidal signals: red output to its original state green measurement equation output black output for the equation of state blue for the Kalman filter output
nonlinear-system
- 在工程应用中经常会遇到一些复杂的非线性系统, 这些系统状态方程复杂, 难以用数学方法准确建模。在这种情况下, 可以建立B P神经网络表达这些非线性系统。该方法把未知系统看成是一个黑箱, 首先用系统输入输出数据训练B P神经网络, 使网络能够表达该未知函数, 然后就可以用训练好的B P神经网络预测系统输出。-In engineering applications often encounter a number of complex nonlinear systems, complex equat
MPF-vs-PHD
- 边缘粒子滤波（MPF）将状态方程中线性部分和非线性部分分别用卡尔曼滤波和粒子滤波进行估计，可以提高跟踪的精度，所以将其引入到PF-PHD滤波中，将二者接合起来，以提高PF-PHD滤波的跟踪精度。MPF-PHD滤波可以很好的提高跟踪的精度，抗干扰能力强，具有良好的鲁棒性。-Because of that MPF use KLAM and PSO to evaluate,which can achieve higher accurty.combing MPF and PF-PHD can achie
dqrixed
- 带近似单位脉冲的状态方程模块构成的仿真模型,是用matlab语言编的-With the approximate equation of state of unit impulse modules of simulation model, is made up of matlab language
BP神经网络的非线性系统建模——非线性函数拟合
- 在工程应用中经常会遇到一些复杂的非线性系统，这些系统状态方程复杂，难以用数学方 法准确建模。在这种情况下，可以建立 BP 神经网络表达这些非线性系统。该方法把未知系统看成是一个黑箱，首先用系统输入输出数据训练 BP 神经网络，使网络能够表达该未知函数，然后用训练好的 BP 神经网络预测系统输出 。(In engineering applications, some complicated nonlinear systems are often encountered. The equations
criedek04
- 动态规划的基本步奏,教你怎么写状态转移方程,及一些编程的技巧()
工作空间中机械手的神经网络自适应控制
- 工作空间中机械手的神经网络自适应控制. 本设计为一个基于神经网络自适应控制的机械手运动模型的 MATLAB 仿真实验。以平面二关节机械手为控制对象，以一圆为目标轨迹。先得到机械手的运动 方程的形式，用 RBF 径向基神经网络对方程式中的系统的各个参数进行建模，利 用每个时刻的估计状态和理想状态的误差，通过梯度下降法对网络参数进行修正， 在若干次修正后，神经网络模型所得的状态跟踪到理想状态。