搜索资源列表
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。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 filtering, a linear system of state equations, through the system input and output observations, the system state of the optimal estimation
inputtest
- 本实验利用TIM5_CH1来做输入捕获，我们将捕获PA0上的高电平脉宽，并将脉宽时间通过串口打印出来，大家可以通过按WK_UP按键，模拟输入高电平。同时，本实验将保留上一个实验的PWM输出，DS0还是会由暗-->亮的循环变化，大家可以通过杜邦线连接PA0和PB5，来观测PWM输出的高电平时间。(This experiment uses TIM5_CH1 to do input capture, we will capture the PA0 high level pulse width,
bilidaoyin
- 比例导引算法 模拟一个匀速直线运动的飞机上的探测器观测到的地对空导弹的运动轨迹(PN guidance and show using matlab)
计算行星掩食
- 通过站台经纬度和恒星赤经赤纬，计算行星掩食的时间，获得适宜的观测时间(Through the platform of latitude and longitude and the longitude latitude star, planet eclipse calculation time, to obtain suitable observation time)
BSSGUIlunwen
- 盲源分离（BSS: Blind Source Separation），又称为盲信号分离，是指在信号的理论模型和源信号无法精确获知的情况下，如何从混迭信号（观测信号）中分离出各源信号的过程。盲源分离和盲辨识是盲信号处理的两大类型。盲源分离的目的是求得源信号的最佳估计，盲辨识的目的是求得传输通道混合矩阵。(Blind signal separation (BSS), also known as blind source separation, is the separation of a set o
傅里叶变换
- 对傅里叶算法进行程序运行，以便能够更好观测到信号波形(Fu Liye algorithm for the operation, in order to better observe the signal waveform)
RTKlib关于高精度GPS动态定位函数与处理过程整理
- 精密GPS动态测量采用载波相位差分技术，其标准测量模式为，一台GPS接收机置于已知点，作为基准站来进行静态测量，另一台GPS接收机置于载体上，作为流动站来进行动态测量。两台接收机同步观测相同的卫星，然后将两台GPS接收机的观测值进行组合处理，就可以获得流动站相对于基准站的坐标和速度。本文主要介绍用RTKLIB 实现精密动态定位的过程，该过程包括观测文件和导航文件的读取、基准站位置的计算、流动站位置的求解、运行结果的输出，下面将分块讨论。(Precision GPS dynamic measure
LGO基线解算详细过程
- 介绍在利用GPS观测数据进行基线解算的详细流程(Describes the detailed process of baseline resolution using GPS observations)
code
- ssmfa将高光谱数据从高维观测空间投影到低维流形空间，达到约减数据维数的目的(ssmfa hyperspectral data is projected from the high dimensional observation space into the low dimensional manifold space, so as to reduce the dimensionality of data)
doa_music
- MUSIC算法是一种基于矩阵特征空间分解的方法。从几何角度讲，信号处理的观测空间可以分解为信号子空间和噪声子空间，显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值（噪声方差）对应的特征向量组成。(MUSIC algorithm is a kind of feature space based on the matrix decomposition method.From geometric point of vie
standard KF
- 标准卡尔曼滤波。在动态 GPS 定位中，Kalman 滤波是最常用的数据处理算法，它是基于观测噪声和动力学模型噪声均是高斯白噪声建立的。(standard KF is common data processing algorithms)
Ransac
- RANSAC算法的matlab语言实现实现，它是一种从包含“局外点”的观测数据中鲁棒估计出模型参数的方法，此算法在计算机视觉领域中得到广泛应用。(Matlab implementation of RANSAC algorithm, It is a method of robust estimation of model parameters from observation data including outliers. This algorithm is widely used in com
liangzhongyanseheqiujing8
- 离散元素法的基本原理是，将研究对象划分为一个个相互独立的单元，根据单元之间的相互作用和牛顿运动定理，采用动态松弛法或静态松弛法等迭代方法进行循环迭代计算，确定在每一个时间步长所有单元的受力及位移，并更新所有单元的位置。主要根据研磨片的参数特性，建立离散元模型，对研磨过程进行模拟，观测磨粒脱落情况，分析不同结合强度，不同研磨压力，不同研磨速度条件下，光纤头和研磨的相互作用情况。(In order to study the rough peak removing from the surface o
光滑样条
- 光滑样条拟合，采用交叉验证选取df ，观测选取不同df值时的拟合效果图(The code of smooth splines,first we find the best df by cross-validation,then we choose different df to compare the result.)
kalman filter
- 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, Kalman filtering) a system of linear equation of state, through the system input and output data, the optimal estimation of the s
3.【卡尔曼滤波】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。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 (Kalman filtering) An algorithm that optimizes the state of the system by using the linear system state equation, through the syst
kf
- 该程序实现的是用标准卡尔曼和扩展卡尔曼滤波算法，对空中观测目标进行跟踪(The program is to use standard kalman and extended kalman filtering algorithm to track the air observation target)
Cognitive Radio matlab code代码
- 实现认知无线电的基本算法，实现BPSK信号下的认知无线电检测，能够观测不同信噪比下的误码率，还能得到不同门限值下的误码率，实现miss理论和false理论的仿真。(Basic algorithms for implementing cognitive radio)
makeWoaData
- woa数据插值已获得自己想要的数据深度，与实际观测的深度数据比较(The data interpolation has obtained the depth of the data you want, compared with the actual observed depth data)
水准原始数据编辑
- 该程序可对天宝水准仪观测所得的原始数据文件的点号测量，重复测量进行自动删除(The program can measure the original data file of Tianbao period level observed, repeated measurement automatically delete)