搜索资源列表
ukf1
- 一篇来自IEEE的文章，关于无迹卡尔曼滤波算法在水下机器人上的应用-Adaptive unscented Kalman filter for deep-sea tracked vehicle localization
ukf
- 无迹卡尔曼滤波在系统辨识中的应用，辨识四旋翼飞行器参数-Unscented Kalman filter
872661heat-transkalman
- 卡尔曼滤波从与被提取信号有关的量测量中通过算法估计出所需信号。卡尔曼滤波处理有几个特点：(1)卡尔曼滤波处理的对象是随机信号；(2)被处理信号无有用和干扰之分，滤波的目的是要估计出所有被处理信号；确切的说卡尔曼滤波应称作最优估计理论；就实现形式而言，卡尔曼滤波器实质上是一套由数字计算机实现的递推算法。量测量可看作卡尔曼滤波器的输入，估计值可看作输出-Kalman filtering from the measurement of the quantity relating to the sign
0999
- 卡尔曼滤波是一种数据处理方法，它是一种线性最小方差无偏估计准则，基于系统 状态估计和当前观测，通过引入状态空间而获得的新的状态估计.本篇论文陈述了卡尔曼滤 波的基本思路和算法；并通过仿真，显示卡尔曼滤波的功能，以及如何用它来跟踪方向确定、速度恒定的飞行器。-Kalman filter is a data processing method, which is a linear minimum variance unbiased estimation criteria, based on
EKF
- 扩展卡尔曼滤波算法，无迹卡尔曼滤波算法求解速度和位置-EKF and UKF to calculate velocity and position
wusuduchuanganqi
- 永磁同步电机无速度传感器矢量控制系统模型参考自适应设计，扩展卡尔曼滤波-Speed sensorless vector control system of permanent magnet synchronous motor
Kalman
- 基于优化无迹卡尔曼滤波的电网动态谐波检测，可用于电能质量分析。-Dynamic harmonic detection of power system based on optimal non trace Calman filter，can be used for power quality analysis
optical-flow-navigation
- 针对小型无人机在无卫星导航信号条件下的导航问题, 结合光流及地标定位设计了使用摄像头、惯性测量器件、超声测距仪等传感器融合的无人机室内导航方法. 文章使用补偿角速率的光流微分法计算帧间像素点小位移, 并用前后误差算法提取精度较高的点, 避免像素点跟踪错误, 提高了光流测速的精度 对得到的光流场用均值漂移算法进行寻优, 得到光流场直方图峰值, 以此计算光流速度. 本文提出了无累积误差的连续地标定位算法, 实时测量无人机位置. 通过多速率卡尔曼滤波器对观测周期不一致的位置、速度信息进行最优估计. 在
Belief-Condensation-Filtering-
- 自主导航系统中以卡尔曼滤波算法及其衍生算 法如扩展卡尔曼滤波、无迹卡尔 曼滤波、容积卡尔曼滤波 、鲁棒滤波或粒子滤波 等为信息处理的核心。-Autonomous navigation system with kalman filter algorithm and its derivatives Method such as extended kalman filtering, no trace, Carl Kalman filter, filtering, volume
SOC estimation
- 基于改进Sage-H璐a的自适应无迹卡尔曼滤波 的锂离子电池SOC估计(Adaptive unscented Calman filtering based on improved Sage-H Lu a SOC estimation of lithium ion batteries)
[Lennart Ljung]系统辨识工具箱
- 英文版系统辨识工具箱，很好用，欢迎大家下载(English version of the system identification toolbox, very easy to use, welcome to download)
EKF2UKF
- 拓展卡尔曼和无迹卡尔曼在数据处理方面的对比(Expand the comparison of Calman and Calman in data processing)
单站无源定位技术研究与实现
- 提出了改进的结合相位差变化率和多普勒频率变化率的单站无源定位算法。该算法克服了相位差变化率法中对目标运动状态和运动高度的限制及多普勒频率变化率法中波达角变化率信息获得困难，对算法实用性的限制，将两种算法的优点有机结合起来，降低了系统对定位系统前端接收机的设计难度，从而为该算法的硬件实现打下了良好的基础，最后使用迭代扩展卡尔曼滤波算法0Er,．v)对定位结果进行了处理，提高了估计的精度。(An improved single station without phase difference rat
kalman filter matlab
- 系统介绍卡尔曼滤波，扩展卡尔曼滤波，无迹卡尔曼滤波。(Introducing Calman filter, extended Calman filter, and no track Calman filter.)
111
- 涉及一种分布式驱动电动汽车惯性 参数估计方法，首先考虑载荷参数不确定导致车 辆惯性参数的变化，建立三自由度整车动力学模 型，并选择魔术公式的非线性轮胎模型，设计双 自适应无迹卡尔曼滤波器的状态和参数估计系 统，再确定双自适应无迹卡尔曼滤波观测器的具 体步骤，从而实现对车辆车辆纵向速度、车辆质 心侧偏角等车辆状态及整车质量、横摆转动惯 量、质心到车辆前轴的距离等车辆惯性参数估 计。本发明基于考虑载荷参数变化的车辆动力学 估计模型，采用自适应无迹卡尔曼滤波方法可以 有效抑制车辆状态参数滤波器的发散影