搜索资源列表
CV5
- 本程序功能是由运动(估计)恢复仿射结构,具体使用的是factorization分解法。这个方法的本质就是一个矩阵分解的过程:对于给定n个点的m幅图像,我们可以写成一个2m*n的矩阵D=(q1,q2,…,qn),而这个像点矩阵可以表示成一个2m*3矩阵和一个3*n矩阵的乘积,即D=AP,其中A、P分别表示实际(仿射)摄像机位移和场景状态,也就是我们需要求得的矩阵。而如何根据D来得到A、P,正是factorization分解法的工作。-This program features the recove
OFDM
- 首先根据短训练字的特性进行相关运算,进行信号到达检测,当检测到相关值大于门限一定次数后,认为有信号到达。然后根据长训练字的特性,进行相关运算,进行OFDM符号FFT窗口起始位置的估计。估计出FFT窗口的位置后,先在时域进行小频偏的估计,将两个长训练字进行小频偏补偿后,进行FFT运算,根据FFT运算的结果进行整数倍频偏的估计。这些参数估计完成后,就可以进行数据解调了。先对数据部分进行完整的频偏补偿,然后根据估计的FFT窗口位置进行FFT运算得到频域的数据,进行解调。然后在对应于导频的子载波位置上提
1.0ILO
- 连续系统迭代学习未知观测器设计,含有未知输入,同时估计输入和状态-Continuous systems Iterative Learning unknown observer design
Kalman-filter
- 卡尔曼滤波是基于状态空间方法的一套递推滤波算法,在状态空间方法中,引入了状态变量的概念。实际应用中,可以通过选取合适的状态变量来体现系统的特征、特点和状况的变化。卡尔曼滤波的模型包括状态空间模型和观测模型。状态模型是反映状态变化规律的模型,通过状态方程来描写相邻时刻的状态转移变化规律;观测模型反映了实际观测量与状态变量之间的关系。Kalman滤波问题就是联合观测信息及状态转移规律来得到系统状态的最优估计。-Kalman filter
AML
- 磁悬浮小球无位置传感算法的Simulink仿真实现。采用小波注入的方式,采集出线圈电流信号,进行位置估计。采用状态反馈控制器。-Magnetic levitation ball without position sensing algorithm Simulink Simulation. Injection method using wavelet, collecting the coil current signal, for position estimation. Using state
PF
- 粒子滤波源代码,通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数,用样本均值代替积分运算,进而获得系统状态的最小方差估计的过程。-Particle filter source code, by finding a set of transmission in the state space representation of a random sample to approximate the probability density function, instead of usi
Adaptive_pid
- 在生产过程中为了提高产品质量,增加产量,节约原材料,要求生产管理及生产过程始终处于最优工作状态。因此产生了一种最优控制的方法,这就叫自适应控制。在这种控制中要求系统能够根据被测参数,环境及原材料的成本的变化而自动对系统进行调节,使系统随时处于最佳状态。自适应控制包括性能估计(辨别)、决策和修改三个环节。它是微机控制系统的发展方向。但由于控制规律难以掌握,所以推广起来尚有一些难以解决的问题。 加入自适应的pid控制就带有了一些智能特点,像生物一样能适应外界条件的变化。自适应PID不但可以较好
Kalman
- 一种卡尔曼滤波器,通过对状态来对未来进行预测,可以估计小球的位置。-One kinds of the Kalman filter can estimate the position of the ball.
OFDM
- 首先根据短训练字的特性进行相关运算,进行信号到达检测,当检测到相关值大于门限一定次数后,认为有信号到达。然后根据长训练字的特性,进行相关运算,进行OFDM符号FFT窗口起始位置的估计。估计出FFT窗口的位置后,先在时域进行小频偏的估计,将两个长训练字进行小频偏补偿后,进行FFT运算,根据FFT运算的结果进行整数倍频偏的估计。这些参数估计完成后,就可以进行数据解调了。先对数据部分进行完整的频偏补偿,然后根据估计的FFT窗口位置进行FFT运算得到频域的数据,进行解调。然后在对应于导频的子载波位置上提
Kalman_Filter
- 卡尔曼滤波器的操作包括两个阶段:预测与更新。在预测阶段,滤波器使用上一状态的估计,做出对当前状态的估计。在更新阶段,滤波器利用对当前状态的观测值优化。-Kalman filter operation consists of two stages: prediction and update. In the prediction stage, the filter is estimated using the previous state, to make an estimate of the c
hmmestimate
- 给定观测序列和状态序列下估计HMM模型的参数-Given the HMM parameters under observation sequence and state sequence estimation
Multi-UAVs-Target-Tracking
- 多无人机(Unmanned Aerial Vehicle,UAV)协同目标跟踪在军/民用方面有 着广泛而又迫切的应用需求和重要的理论研究价值,是目前多 UAV 系统自主控制 领域的一个重要研究方向。本文以 UAV 执行对地侦察打击任务为应用背景,针对 复杂环境中多 UAV 协作式跟踪地面移动目标问题,重点围绕目标状态融合估计和 观测航迹优化两项关键内容展开研究-Multi-UAV (Unmanned Aerial Vehicle, UAV) has a broad and col
Baum_Welch-algorithm
- 用Baum-Welch算法来迭代估计一个隐马尔科夫模型(HMM)的初始状态概率分布以及其状态转移概率矩阵。其中文件有mainfile_B_W.m为主函数,Baum_Welch.m为Baum-Welch算法迭代函数,Forward_variable.m与Backward_variable.m与Gamma_variable.m与Ksi_variable.m是需要计算的四种因子,B_pdf.m为混淆散射概率密度函数。-It s Baum-Welch algorithm for iteratively
kaermanlvbo967456
- 卡尔曼滤波以最小均方误差为最佳估计准则,采用信号与噪声的状态空间模型,利用前一时刻的估计值和当前时刻的观测值来更新对状态变量的估计,求出当前时刻的估计值,算法根据建立的系统方程和观测方程对需要处理的信号做出满足最小均方误差的估计-Kalman filter to minimize the mean square error criterion for the best estimates, using the state space model of signal and noise, usin
GUI无线定位
- 基于GUI的无线定位,图形用户界面(Graphical User Interface,简称 GUI)是指采用图形方式显示的计算机操作用户接口。与早期计算机使用的命令行界面相比,图形界面对于用户来说在视觉上更易于接受。然而这接口若要通过在显示屏的特定位置,以“各种美观、而不单调的视觉信息”提示用户“状态的改变”,势必得比简单的文字信息呈现,花上更多的计算能力,计算“要改变显示屏哪些光点,变成哪些颜色”。 无线传感器网络目标定位方式主要如下: (1)主动模式 基于距离的定位:测量节点间距
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
state-space
- 结合状态空间和最小二乘估计算法对动态系统未知参数的辨识。-Combined state and least squares parameter estimation algorithms for dynamic systems
EKF
- 扩展卡尔曼滤波器 卡尔曼滤波 卡尔曼滤波是一种高效率的递归滤波器(自回归滤波器), 它能够从一系列的不完全包含噪声的测量(英文:measurement)中,估计动态系统的状态。-Extended Kalman Filter(EKF)
matlab-ego-motion
- 基于matlab实现的自身运动估计仿真程序。通过对视频图像的分析,快速估计摄像机自身的运动状态。-Estimate based simulation program matlab realize their movement. Through the analysis of video images, the camera quickly estimate its state of motion.
kalman-filter
- 用非线性kalman filter,也就是扩展kalman filter 实现对非线性状态方程的估计,能够很好地追踪目标。-Nonlinear kalman filter, which is extended kalman filter to achieve the estimated nonlinear equation of state can be a good track targets.