搜索资源列表
Particle_filter
- 基于粒子滤波器的机动目标跟踪技术 首先 ， 概 要介绍传统的Kalman滤波器，以及有所改进的扩展Kalman滤波器。 其次，为了能更好地解决在动态模型为非线性且噪声为非高斯的条件下对机动目标的 跟踪问题，通过概率统计理论详细阐述粒子滤波器基本原理。然后，针对不同的使用 条件，根据粒子滤波器的基本理论做出适当的修改和整理，就得到了四个相关的粒子 滤波器的变型，使用州以JLAB把它们对机动目标的跟踪性能作了详细地计算机模拟 仿真且用均方根误差更加精确地进行了比较。最后，把粒
1111
- 基于粒子滤波算法的室内跟踪技术研究。通过室内 WLAN 粒子滤波跟踪算法的数学模型的研究，提出了基于粒子位置优化和基于插值优化的粒子滤波跟踪算法的改进方法，解决如何获取粒子点处的信号强度值的问题。-Research on tracking particle filter algorithm based on the indoor. Study on mathematical model of tracking algorithm through the WLAN particle filter,
Microgrid-optimization-algorithm
- 基于改进负荷密度法的微网负荷预测_王有春，基于改进粒子群算法的微网环保经济运行的优化_万术来，基于改进型快速寻优算法的微网经济负荷优化_胡龙龙_温向宇_黄焯麒-Improved load density law microgrid load forecasting based on _ Wang Youchun, based on improved particle swarm optimization algorithm Microgrid green economy run _ Wan su
Intelligent-algorithm
- 智能算法，包括粒子群，改进粒子群，改进遗传算法等，可用于预测等领域！-Intelligent algorithms, including PSO, improved particle swarm, improved genetic algorithm can be used to predict other fields!
wsn-for-DSP-system
- 一种改进的粒子滤波算法的研究 粒子滤波基本原理，通过改进权重计算、重采样算法， 计算速度得到提高。改进的算法在DSP系统中进行目标跟踪仿真，证明其具有速度快、 精度高的特点-An improved study the basic principles of particle filter particle filter algorithm, recalculation by improving the rights, resampling algorithm to calculate the s
estimation-extended-Kalman-filter
- 针对感应电机扩展卡尔曼滤波器转速估计中难以取得卡尔曼滤波器系统噪声矩阵和测量噪声矩阵最优值的问题，提出了一种基于改进粒子群算法优化的扩展卡尔曼滤波器转速估计方法。算法通过融合遗传算法和粒子群算法的优点，采用可调整的算法模型对粒子群算法进行改进，将改进的粒子群算法对扩展卡尔曼滤波器中的系统噪声矩阵和测量噪声矩阵进行优化处理，将优化后的卡尔曼滤波器应用于感应电机转速估计。- Extended K