搜索资源列表
disp_rand
- 本程序用matlab生成白噪声，并且基于一个离散线性随机系统的模型生成了y(k)和x(k)，绘制出了x(k|k-1)和x(k)的对比曲线，求出了提前一步预报的误差协方差阵的稳定值-the procedures used Matlab generate white noise, and on a discrete linear stochastic systems model generated y (k) and x (k), mapping out the x (k | k-1) and x
yuanzhen
- 本文提出一种新的相干波束形成方法，利用内插变换对相干背景下的真实阵列进行虚拟平移，得到多个虚拟平移后的信号协方差矩阵；对其进行平均后，所得到的相干信号协方差矩阵具有满秩性。利用一般的波束形成法求出最优权向量。该方法解决了五阵元均匀圆阵下二维相干信号的波束形成问题。
ULA
- 已知：信号中心波长为2,天线阵元的间距为1米,快拍数为2000，空中有四个 源信号,假设它们的频率 四个源信号的方向分别为： 求： 1）在不加入噪声的情况下,观察并计算协方差矩阵特征值,并对它的特点 加以说明 2）分别采用MUSIC算法,CAPON算法, ESPRIT算法在下面四种情况下，对 上述四个信号源的波达方向进行估计,并画出它们的空间谱图； ①在不加入噪声的情况下, ②在加入高斯白噪声的情况下,假设信噪比为10dB 3）在信噪比变化范围
rsvd
- 基于GM算法和QR分解实现的稳健奇异值分解算法，通过该算法可以获取一个数居阵的稳健方差－协方差阵。在该稳健方差－协方差阵上可以进行诸如，稳健主成份分解、稳健聚类、稳健因子分析等操作。-GM based on QR decomposition algorithm and the realization of the stability of singular value decomposition algorithm, the algorithm can be accessed through a
An_improved_ekf_new_methods
- 本文对于非线性非高斯问题，提出了一种改进扩展卡尔曼滤波（NIEKF）新方法。该方法将迭代滤波理论引入到扩展卡尔曼滤波器方法中，有效地重复利用新的测量信息，还利用Levenberg-Marquardt 方法调整预测协方差阵以保证算法具有全局收敛性。实验结果表明，所提方法具有更高的估计精度，是一种效率较高、性能较好的跟踪方法。-This non-Gaussian for nonlinear problems, an improved extended Kalman filter (NIEKF) th
w_SMI
- 针对均匀线列阵，当采用样本协方差矩阵求逆的方法时，得到的波束扫描估计方位谱。三个信号源-For uniform linear array, when using the sample covariance matrix inversion method, estimated by scanning the beam position spectrum. Three sources
trackfusion
- 利用误差协方差阵的迹最小准则建立了多传感器异步融合模型-Error covariance matrix using the minimum criteria for the establishment of a multi-track asynchronous sensor fusion model
3
- 导航系统误差及其协方差阵的随机加权拟合.-Navigation system errors and the covariance matrix of random weighted fit.
34535
- 导航系统误差及其协方差阵的随机加权拟合.-Navigation system errors and the covariance matrix of random weighted fit.
signal-parameter-estimation
- 本文分析了多级维纳滤波器的特性，在加性噪声和二维天线阵列如均匀圆阵、均匀面阵、十字阵等条件和背景下，对信源个数和信源参数估计问题进行了研究，提出了基于多级维纳滤波器前向分解特性的快速参数估计方法，同时提出了基于多级维纳滤波器的二维ESPRIT参数估计方法，该类方法无需协方差矩阵的估计运算及分解运算，计算复杂度较低。另外，还提出了对信源个数的估计算法。-This paper analyzes the characteristics of multistage Wiener filter, in t
jianjiepingcha
- 水准测量中间接平差以及观测精度的计算，本程序由c++编写，可以得到平差后未知点坐标，协方差阵，观测值改正数等等。-Leveling in indirect adjustment and the calculation of the observational accuracy of the program written by c++ unknown point coordinates can be adjustment, the covariance matrix of observation
SMI_1
- 使用样本协方差矩阵求逆方法仿真的波束图。使用的是均匀线列阵，信号方向为10度，有噪声，没有干扰。-Using the sample covariance matrix inversion method for the simulation beam pattern. Using a uniform linear array, the signal direction of 10 degrees, there is noise, no interference.
diagonal_loading_SMI_1
- 针对样本协方差矩阵求逆方法中采样点小于阵元个数时作出的仿真。此改进方法可以在采样点小于阵元个数时提高波束形成器的性能。-For the sample covariance matrix inversion method of sampling is less than the number of array elements made the simulation. This improved method can be sampled at less than the number of ar
SMUSIC
- 单次快拍 MUSIC 算法，这种单次快拍 MUSIC 算法仅利用接收的一次快拍的 M（M 为阵元数）个数据，通过对这 M 个数据做统计处理，来估计阵列数据的协方差矩阵-Single snapshot MUSIC algorithm, this single snapshot the MUSIC algorithm only receiving a snapshot M (M array element number) data, statistical treatment of these M
1.MUSIC--MATLAB
- 基于天线阵列协方差矩阵的特征分解类DOA估计算法中，MUSIC算法具有普遍的适用性，只要已知天线阵的布阵形式，无论是直线阵还是圆阵，不管阵元是否等间隔分布，都可以得到高分辨的估计结果。-DOA estimation algorithm, MUSIC algorithm has universal applicability of decomposition classes based on the characteristics of the antenna array covariance m
code
- 1.CAmodelfusion.m 主要功能： （1）完成两个传感器各自对基于CA模型的目标状态的Kalman估计； （2）实现传感器的局部状态估计的SCC和CI融合算法的实现； （3）画出局部估计和两种融合估计的位置、速度、加速度的误差； （4）画出局部估计和两种融合估计的协方差椭圆。 2.CVmodelfusion.m 主要功能： 功能与CAmodelfusion.m基本相似，差异在于实现基于CV模型的估计和估计融合。 3.CovInter.m
4.面阵中二维角度估计
- 面阵中二维角算法用于处理阵列信号，估计阵列的协方差矩阵(MATLAB is used to develop the system model of array signal processing, such as the correlated signals, the error of amplitude and phase.)
srukf
- % 函数功能： SRUKF滤波器 % 适用范围： 测量线性、噪声加性时的SRUKF 滤波 % INPUT % x1： 系统状态 % T： 捷联矩阵计算值 % Tbn： 捷联矩阵真实值 % fp： 比力在计算坐标系内的投影 % Pw： 过程噪声 % Pv： 量测噪声 % phi： 计算的纬度 % % OUTPUT % Xk: 滤波后的状态 %
例4-2的R代码
- 计算协方差阵、逆矩阵、和各组均值；进行预测及回判。(Covariance matrix, inverse matrix, and mean of each group are calculated)
kalman1
- 以速度为11m/s沿x轴做匀速直线运动，通过卡尔曼滤波跟踪目标，作出相应协方差图像，内有注释，根据相应功能可更改注释。(At the speed of 11 m/s, we perform uniform rectilinear motion along the X axis. We track the target through Kalman filter and make corresponding covariance images. There are annotations in i