工学博士学位论文 目前，扩展卡尔曼滤波是研究初始对准和惯性/GPS组合导航问题的一个主要手段。 但初始对准和惯性/GPS组合导航问题本质上是非线性的，对模型进行线性化的扩展卡 尔曼滤波在一定程度上影响了系统的性能。近年来，直接使用非线性模型的 UKF(Unscented Kalman Filtering, UKF)和粒子滤波，正在逐渐成为研究非线性估计问题 的热点和有效方法。 本文研究了UKF和粒子滤波两种非线性滤波方法，并将其应用于非线性静基座对 准和惯性

这是一个pso程序采用粒子群优化算法的源代码。在vc.net2003下面通过

联合智能(JI-MUD)多用户检测算法是由粒子群优化(PSO)算法,遗传算法(GA)和模拟退火(SA)算法-the joint intelligent multi-user detection (JI-MUD) algorithm which was composed by particle swarm optimization (PSO) algorithm, genetic algorithm (GA) and simulated annealing (SA) algorithm was p

基于点云的重构，输入是点的集合，可以重构新的模型，基于粒子系统。-Reconstruction Point Cloud-based input is a set of points, you can reconstruct the new model, based on particle system.