搜索资源列表
kalmanfiler11
- 卡尔曼滤波器是一个“optimal recursive data processing algorithm（最优化自回归数据处理算法）”。 对于解决很大部分的问题，他是最优，效率最高甚至是最有用的。他的广泛应用已经超过30年，包括机器人导航，控制， 传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近年来更被应用于计算机图像处理， 例如头脸识别，图像分割，图像边缘检测等等。-Kalman filter is an "optimal recursive data pro
Ukf
- Matlab编写的无迹卡尔曼滤波器程序。-Matlab prepared by the Kalman filter is no trace procedure.
ExtendedKalmanfilteforintegratedglobalpositioning_
- 国外关于GPS与INS组合导航的一篇新文章，涉及到GPS数据与INS数据的融合，卡尔曼滤波器设计和仿真思路-abroad on GPS and INS navigation combination of a new article, relate to the GPS data with the INS data fusion, Kalman filter design and simulation ideas
iekfpf_demos
- 基于扩展卡尔曼滤波器的粒子滤波器源程序The iterated extended kalman particle filter-based on extended Kalman Filter The particle filter iterated extend source ed Tracking particle filter
extendedkalmanfilter0503
- 扩展卡尔曼滤波器，非线性动态滤波，是一种在线线性化的算法-extended Kalman filter, nonlinear dynamic filtering, is an online linearization algorithms
kaermanmubiaogenzong
- 根据二维空间内目标作匀速直线运动和匀速圆周运动的特点，在建立目标运动模型和观测模型的基础上采用基于交互多模算法（IMM）的卡尔曼滤波器对机动目标进行跟踪。仿真结果表明，该算法不仅能够对匀速直线运动和匀速圆周运动的目标进行跟踪，而且在运动模型发生变化时，滤波误差也比较小。 关键词：卡尔曼滤波器；目标跟踪；机动；交互多模（IMM） -two-dimensional space under target for uniform linear motion and uniform circula
kalman
- 通信系统仿真应用，卡尔曼滤波器 实现语言：C语言-communications system simulation application, Kalman Filter languages : C language
kalmanf
- 时域卡尔曼滤波器,自己谨慎编写,学习滤波器必备!
BackgKalman_m
- 对视频图像序列使用卡尔曼滤波器生成背景。卡尔曼滤波是利用其的记忆特性，对一定时间长度的视频图像信息进行加权平均从而获得与实际背景图像近似的初始背景，同时达到滤除颗粒噪声、消除摄像机抖动的目的。
sensorless_motor
- 利用扩展卡尔曼滤波器，将转速看成一个状态量，根据定子的电流和电压值估算转速。通过仿真对滤波器初值的选取进行了研究，得到优化的卡尔曼滤波器，试验结果表明，速度估算的准确性高，系统对于电机参数的变化不敏感，具有较强的鲁棒性。
kalman
- 本程序实现了卡尔曼滤波器的算法及其在信号处理中的应用
rbfkalman
- 基于卡尔曼滤波器的神经网络优化，有蛮好的效果
Kalman_filter_FDI
- 基于卡尔曼滤波器的故障诊断示列！对初学者很有用！
current
- 目标跟踪，程序利用卡尔曼滤波器实现了对机动目标的跟踪。效果较好的运动模型。
particlefilter
- 几个粒子滤波的粒子。包括普通的粒子滤波和基于扩展卡尔曼滤波器的粒子滤波器源程序。
filter
- 卡尔曼滤波器和维纳滤波器的实现。还有相信的WORD文档的步骤分析。是课程考试内容。很好的学习资料，也很准确。
ekfukf_1_1
- 开源卡尔曼滤波器,带说明文档,例子. 提供了很多命令.可以入门学习,也可直接用
anolinerfilter
- 粒子滤波算法受到许多领域的研究人员的重视，该算法的主要思想是使用一个带有权值的粒子集合来表示系统的后验概率密度。在扩展卡尔曼滤波和Unscented卡尔曼滤波算法的基础上，本文提出一种新型粒子滤波算法。首先用Unscented卡尔曼滤波器产生系统的状态估计，然后用扩展卡尔曼滤波器重复这一过程并产生系统在k时刻的最终状态估计。在实验中，针对非线性程度不同的两种系统，分别采用五种粒子滤波算法进行实验。结果证明，本文所提出算法的各方面性能都明显优于其他四种粒子滤波算法。
Kalmtool
- 卡尔曼滤波器的matlab工具箱
ekfslam_v1.0
- SLAM实时定位与地图创建,采用扩展卡尔曼滤波器,实现机器人定位与地图绘制