搜索资源列表
52002
- 硕士学位论文捷联惯性系统初始对准研究 惯导系统的初始对准是影响系统使用性能的关键技术之一，对准的精度与速度直接关系到惯性统的精度与启动特性。对卡尔曼滤波及其在初始对准中的应用进行了研究。首先介绍了卡尔曼滤波理论的应用背景，然后推导了离散卡尔曼滤波方程，并对连续系统的状态方程进行离散化提出了适用于舰载捷联惯性系统的动基座对准的2通道10个状态变量和2通道12个状态变量的系统动态模型，并建了相应的速度匹配和位置匹配量测模型。 -master's degree thesis SINS
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.
kalman
- 设一个系统的真实值为余弦函数，加入的系统过程噪声和测量噪声都满足正态分布，状态方程和量测方程都是线性的，用卡尔曼滤波求出最优结果-Set up a system of real value cosine function, the process of adding system noise and measurement noise are normally distributed, the state equation and measurement equation is linear,
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.
kalman
- 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。本程序使用opencv进行卡尔曼滤波。-Kalman filter (Kalman filtering) A linear system equation of state, observation data input and output through the system, the system state optimal estimation algorith
kalman
- 基于卡尔曼滤波对现有采样数据进行滤波，有效降低观测值的误差。卡尔曼滤波是一种时域方法，它把状态空间的概念引入随机估计理论，用状态方程、观测方程和噪声激励递推估计测量噪声，便于实现实时应用。(The existing sampled data is filtered based on Kalman filter, which can effectively reduce the error of the observed value. Kalman filtering is a time doma
19-史子纬-作业6
- 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。(Calman filter (Kalman filtering) uses the state equation of linear system and optimally estimates the state of the system by input and output obser
cabature kalman
- 容积卡尔曼滤波测量方程基于统计数据，利用蒙特卡罗方法抽取私家电动汽车一次出行里程数，根据电池充电特性及车辆行驶习惯获得电动汽车充电的起始荷电状态、充电功率和起始充电时间，建立了一个较为精确的预测无线充电私家电动汽车充电负荷的数学模型，(The volume Calman filter measurement equation is based on the statistical data, using Monte Carlo method to extract the first trip m
kalman滤波的仿真
- 5.4.2 Kalman滤波器的设计 这一节将讨论如何使用控制系统工具箱进行Kalman滤波器的设计和仿真。 考虑下面的离散系统： x［n+1］=Ax［n］+B(u［n］+w［n］) (5.9) y［n］=Cx［n］ (5.10) 其中, w［n］是在输入端加入的高斯噪声。 状态矩阵参数分别为 A = ［1.1269-0.49400.1129 1.0000 0
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。