预测控制是一种新型的控制算法之一。经典的PID控制方法简单方便,但是精度不高。近年来发展的自适应、自校正方法精度高,但其本质要求在线辨识对象模型,对过程的未建模动态和扰动的适应能力差,鲁棒性不好。预测控制方法集PID和自适应方法二者之长,是一种面向工业过程特点、对模型要求低、在线计算方便、控制精度高的算法。数字计算机向小型、高速、大容量、低成本方向的发展,为预测控制这类新算法的实现提供了物质基础。 本文以PCT—Ⅲ型过程控制系统装置为平台,将预测控制算法运用到实际系统中去,该装置分为水位系统和温

包括回归分析和概率统计，利用matlab GUI实现的串口编程例子，使用拉亚普诺夫指数的公式，研究生时的现代信号处理的作业，使用matlab实现智能预测控制算法，结合PCA的尺度不变特征变换(SIFT)算法，采用累计贡献率的方法。- Including regression analysis and probability and statistics, Use serial programming examples matlab GUI implementation, Raya Punuo F

对HARQ系统的吞吐量分析，线性调频脉冲压缩的Matlab程序,利用matlab GUI实现的串口编程例子，一个很有用的程序，LDPC码的完整的编译码，连续相位调制信号(CPM)产生，针对EMD方法的不足,使用matlab实现智能预测控制算法。- HARQ throughput analysis of the system, LFM pulse compression of the Matlab program, Use serial programming examples matlab GU

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。 斯坦利·施密特(Stanley Schmidt)首次实现了卡尔曼滤波器。卡尔曼在NASA埃姆斯研究中心访问时，发现他的方法对于解决阿波罗计划的轨道预测很有用，后来阿波罗飞船的导航电脑使用了这种滤波器。 关于这种滤波器的论文由Swerling (1958), Kalman (1960)与 Ka