搜索资源列表
ukf
- 无迹卡尔曼滤波UKF是重要的非线性滤波方法。它采用UT变换的方法，不再近似系统的非线性方程，它仍然用高斯随机变量表示状态分布，不过是用特定选择的样本点加以描述，每个点叫一个高斯点，它从系统状态的概率密度函数中取出；然后，按系统的真实模型演化，得到非线性演化后的σ点，使得样本均值和样本方差是真实均值和真实方差的好的近似。 在这个程序中，实现了基于UKF的滤波方法，并且建立了两种仿真环境进行实验。-Unscented Kalman filter UKF is an important nonli
2Dkalman
- 二维kalman图像复原,采用最小二乘求得状态方程系数-2DKALMAN FILTER FOR IMAGE PROCESS 2DKALMAN FILTER FOR IMAGE PROCESS 2DKALMAN FILTER FOR IMAGE PROCESS
kalmanjidong
- 卡尔曼机动调试程序，描述卡尔曼滤波的状态方程，用于研究生教学实验-kalman experiment related program
1
- 利用信号与噪声的状态空间方程来实现卡尔曼滤波算法-Extend kalman filter for nonlinear dynamic systems. it returns state estimate, x and state covariance following the example.process noise covariance and the measurement noise covariance.
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
Open-Loop
- 基于状态方程的kalman滤波程序，连续系统模型-kalman filter based on Ricatti equation
closeFilter
- 闭环系统kalman滤波方程，基于连续状态空间连续模型-closed-loop system kalman filter
kalman2
- 卡尔曼滤波器是一种由卡尔曼（Kalman）提出的用于时变线性系统的递归滤波器。这个系统可用包含正交状态变量的微分方程模型来描述，这种滤波器是将过去的测量估计误差合并到新的测量误差中来估计将来的误差。 -Kalman filter
main
- 该实例是把卡尔曼滤波应用在自由落体运动目标跟踪问题上，根据已有的运动学方程，得到物体的状态方程。-The instance is the application of kalman filtering on the free fall target tracking problem, according to the existing kinematics equation, the equation of state of the object.
EKF_for_One_Div_UnLine_System
- 标量非线性系统扩展Kalman滤波问题 状态函数：X(k+1) 0.5X(k)+2.5X(k)/(1+X(k)^2)+8cos(1.2k) +w(k) 观测方程：Z（k） X(k)^2/20 +v(k)-Scalar nonlinear system extended Kalman filtering problem State function: X (k+ 1) 0.5 X (k)+ 2.5 X (k)/(1+ X (k) ^ 2)+ 8 cos (1.2 k)+ w (k)
EKF_for_One_Div_UnLine_System
- 标量非线性系统扩展Kalman滤波问题,已知状态函数和观测方程-Extended Kalman Filter Problems for Scalar Nonlinear Systems, Known State Functions and Observed Equations
KLMAN
- Kalman滤波子程序，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-Kalman filter subrountine
卡尔曼滤波算法
- 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。
kalmanfilter
- 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(Calman filter (Kalman filtering), an algorithm for optimal estimation of system states using linear system state equations and input and output data of the system.
P2_KalmanFilter_Example
- 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
kalmanfilter
- 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。(Kalman filtering (KF) is an algorithm for optimal estimation of system state by using linear system state equation and input and output observation
matlab-example
- 一个很简单的学习例子，标注很清楚，是一个二阶的状态方程，可以很快学到如何建立卡尔曼滤波观测器(A very simple learning example, clearly labeled Is a second-order equation of state, and you can learn very quickly how to set up a kalman filter observer)
卡尔曼滤波及扩展
- 描述一个卡尔曼滤波问题需要两个模型，一个是描述系统的状态方程，一个是观测方程，观测量通过观测方程与状态变量建立联系，由观测量估计状态值。与其他频域滤波器不同，卡尔曼滤波器不需要观测和估计的历史记录，可以直接在时域进行设计和使用，是一个时域滤波器，适用于处理实时数据。 对于一个运动模型，建立卡尔曼滤波模型，进行仿真，设已知初始时刻运动目标的真实位置和速度，并已知卡尔曼滤波使用的初始状态值，对该问题给出仿真；进一步分析该问题的稳态卡尔曼解，直接使用稳态卡尔曼滤波（滤波器）仿真该问题。