搜索资源列表
kalman-VB
- 使用VB语言实现的卡尔曼滤波源程序, 其基本思想是:采用信号与噪声的状态空间模型,利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计,求出现时刻的估计值。它适合于实时处理和计算机运算。
KalmanFiltering
- 卡尔曼滤波算法C++,采用信号与噪声的状态空间模型,利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计,求出现时刻的估计值。
Kalman
- 最佳线性滤波理论起源于40年代美国科学家Wiener和前苏联科学家Kолмогоров等人 的研究工作,后人统称为维纳滤波理论。从理论上说,维纳滤波的最大缺点是必须用到无限过去 的数据,不适用于实时处理。为了克服这一缺点,60年代Kalman把状态空间模型引入滤波理论, 并导出了一套递推估计算法,后人称之为卡尔曼滤波理论。卡尔曼滤波是以最小均方误差为估计 的最佳准则,来寻求一套递推估计的算法,其基本思想是:采用信号与噪声的状态空间模型,利 用前一
nljstate
- 采用NLJ随机搜索的方法辨识一个以状态方法表示的非线性系统。选其初值 a1(0) =50 , a2(0) =100 , a3(0) =100 , a4(0) =50 , a5(0) =10 , 选范围为 r(1)(i)=0.5 a(0)(i) , 取数据长度 L =40, t =0.005 , 性能指标 J= 。迭代计算结果得 a 的估计值 1=17.6043243, 1=17.5977, 2=72.9573, 3=51.3014, 4=22.9889, 5=5.99965, J = 0.000
扩展Kalman滤波(UKF)算法的Matlab程序
- 扩展Kalman滤波器算法的例程,可以用于对非线性系统的目标状态进行动态估计。例如曲线运动目标的轨迹跟踪。
kaiman2
- 一个二维的卡尔曼滤波程序,给定了状态方程和观测方程,对学习信息融合,滤波估计灯方面有积极的知道效果-A two-dimensional Kalman filtering process, given the state equation and observation equation, the study of information fusion, filtering light area is estimated to know there is a positive effect
kalman_c
- 卡尔曼滤波算法,C语言例程,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及包含雜訊的测量中,估计动态系统的状态-EDOM way the XY axis gyroscope specifications. X-/Y-Out Pins: 2000 °/s full scale range 0.5mV/°/s sensitivity X/Y4.5Out Pins: 440 °/s full scale range 2.27mV/°/s sensitivity
ADRC
- 本文采用基于无模型的自抗扰算法,将网络环节和被控对象同视为控制对象,利用扩张状态观测器对控制系统的变化进行实时观测估计。-ADRC method based on no model is used in this paper, network system and control object are regarded as control object together, using extended state observer (ESO) estimating variation of t
kalmanfuzzy
- 基于T-s模糊模型用于估计非线性系统的状态的kalman滤波器。-Ts-based fuzzy model used to estimate the state of nonlinear systems kalman filter.
kalman
- kalman滤波器的C源代码,kalman滤波器的用途很广,比如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,估计动态系统的状态。-kalman filter C source code, kalman filter uses a very wide, such as the Kalman filter is an efficient recursive filter (autoregressive filter), it can not compl
Motor
- 利用Kalman及EKF对两相永磁同步电机的状态进行估计。假设电机线圈电流可测,利用 EFK来估计电机的位置和转速。-Use of Kalman and EKF on two-phase permanent magnet synchronous motor of the state estimate. Assumptions motor coil current can be measured using EFK to estimate the motor position and speed.
Kalman_filter
- 卡尔曼滤波算法实现代码.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及包含噪声的测量[英文:measurement]中,估计动态系统的状态。-Kalman filter algorithm implementation code. Kalman filter is an efficient recursive filter [autoregressive filter], it can from a series of incomplete and contain
numerical_analysis_homework
- (有源代码)数值分析作业,本文主要包括两个部分,第一部分是常微分方程(ODE)的三个实验题,第二部分是有关的拓展讨论,包括高阶常微分的求解和边值问题的求解(BVP).文中的算法和算例都是基于Matlab计算的.ODE问题从刚性(STIFFNESS)来看分为非刚性的问题和刚性的问题,刚性问题(如大系数的VDP方程)用通常的方法如ODE45来求解,效率会很低,用ODE15S等,则效率会高多了.而通常的非刚性问题,用ODE45来求解会有很好的效果.从阶次来看可以分为高阶微分方程和一阶常微分方程,高阶的
ek1f
- 该程序用扩展的Kalman滤波实现可非线性状态的估计。-With the expansion of the program realization of the Kalman filter may be non-linear state estimation.
Introduction_of_Kalman_Filter_Chinese
- 1960年,卡尔曼发表了他著名的用递归方法解决离散数据线性滤波问题的论文。从那以后,得益于数字计算技术的进步,卡尔曼滤波器已成为推广研究和应用的主题,尤其是在自主或协助导航领域。卡尔曼滤波器由一系列递归数学公式描述。它们提供了一种高效可计算的方法来估计过程的状态,并使估计均方误差最小。卡尔曼滤波器应用广泛且功能强大:它可以估计信号的过去和当前状态,甚至能估计将来的状态,即使并不知道模型的确切性质。这篇文章介绍了离散卡尔曼理论和实用方法,包括卡尔曼滤波器及其衍生:扩展卡尔曼滤波器的描述和讨论,并给
TASKS
- 限界剪枝法语回溯法类似,是一种在问题的状态空间树中搜索解的算法。优先级用优先队列来实现,优先级高即估计函数值越低的结点越靠近队列开头位置。-French back-Bound pruning method similar to the problem is a state-space search tree algorithm solution. Priority queue with priority to the realization of the high priority that i
Kalman
- 跟踪滤波的目的是根据已获得的目标观测数据对目标的状态进行精确估计,跟踪滤波的关键是对机动目标的跟踪能力,机动目标跟踪的主要困难在于跟踪设定的目标模型与实际的目标动力学模型的匹配问题。 -The purpose of tracking filter is based on objective observational data has been the target of the state accurately estimate the key to tracking filter for
detection_of_phase_distributed_weak_sine_signal_ba
- 基于双耦合Duffing振子的随机相位正弦信号检测 采用双耦合混沌振子阵列实现了随机相位微弱正弦信号的检测,在此基础上,提出了新的检测方法,即利用单个耦合混沌振子,通过临界及周期状态 的变化检测随机相位微弱正弦信号并大致估计信号相位范围,该方法比双耦合混沌振子阵列法简单,更易于实现。-Based on double coupled Duffing oscillators random phase sine signals detected by two coupled chaotic o
Harmonicinterferencesuppression
- 针对混沌参数调制( C P M) 的电力线通信( P L C) 中谐波引起的窄带干扰, 两阶段动态估计方法根据最小 相空间体积( MP S V) 准则估计模型参数, 计算量大。为此, 提出将未知参数合并到增广状态矩阵的联合卡尔曼滤 波方法, 避免了专门的参数估计过程, 在提高增益性能的同时有效降低了计算量。方法的性能通过对混沌电力 线通信下的单音干扰和多音干扰的有效抑制得到了验证。-For the chaotic parameter modulation (CPM) of th
Karlmanfilter
- kalman 滤波,用于线性系统状态的估计-kalman filter, state estimation for linear systems