搜索资源列表
kalman_filter
- 信号分析与预测的卡尔曼滤波算法，VC++源程序-kalman filter arithmetic for signal analysis and prediction written with VC++.
VC_ImageProcessing
- 《Visual C++数字图像获取、处理及实践应用》杨枝灵、王开等编著。内容：第4章 图像增强（对比度增强、灰度变换法、直方图修整法、图像平滑、图像锐化、伪彩色和假彩色增强）；第5章 图像复原（逆滤波复原、维纳滤波方法）；第6章 图像处理中的正交变换（傅立叶变换、离散余弦变换（DCT）、沃尔什变换、基于特征向量的变换、霍特林（Hotelling）变换、SVD变换、小波变换、Mallat算法）；第7章 图像压缩编码（霍夫曼（Huffman）编码、算术编码、游程编码（Run Length Codin
卡曼滤波代码
- 卡曼滤波，用于线性和非线性系统分析，体现在时间序列的预测上。(kalman filter code,it can be use in linear or no-linear system)
kalman_filter_temperature
- 用matlab实现卡尔曼滤波器预测功能， 主要对温度的预测，程序中对每一步都有详细解释，适合初学者学习。(Using Matlab to achieve Kalman filter prediction function, Mainly on the temperature of the forecast, the procedure for each step are explained in detail, suitable for beginners to learn.)
UPF
- 无味粒子滤波算法改进了粒子滤波算法，可以实现目标跟踪以及剩余寿命的预测(target tracking , RUL prediction)
KalmanFiltering
- 扩展卡尔曼滤波算法C语言实现：实现对二维状态变量的预测及跟踪。包括卡尔曼滤波初始化函数，负责初始化状态变量的值，过程噪声，测量噪声，以及状态转移矩阵。 卡尔曼滤波函数负责对状态变量进行迭代滤波，整个过程包括状态预测，协方差预测，测量预测，计算卡尔曼增益，状态量更新，协方差更新。(To realize the prediction and tracking of two dimensional state variables. It includes the initialization func
forecast
- K-NN算法,dtw计算距离的方式，还有一定的滤波(KNN dtw zzz zzz zz zzz zz z zz zz zz zzz zzzz zz zzzz)
粒子滤波
- 粒子滤波，对目标的运动状态进行预测和估计。(can predict the next position and velocity of the object.)
图像处理
- 噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。实际获得的图像一般都因受到某种干扰而含有噪声。引起噪声的原因有敏感元器件的内部噪声、相片底片上感光材料的颗粒、传输通道的干扰及量化噪声等。(In theory, noise can be defined as "unpredictable, random errors that can only be recognized by probability and statistics". The actua
KZ_Kalman
- 可实现对目标飞行的卡尔曼滤波预测，扩展卡尔曼滤波器相对于卡尔曼滤波器可以处理地心坐标系下的飞行目标数据(Realization of Calman filter prediction for target flight)
P2_KalmanFilter_Example
- 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。 斯坦利·施密特(Stanley Schmidt)首次实现了卡尔曼滤波器。卡尔曼在NASA埃姆斯研究中心访问时，发现他的方法对于解决阿波罗计划的轨道预测很有用，后来阿波罗飞船的导航电脑使用了这种滤波器。 关于这种滤波器的论文由Swerling (1958), Kalman (1960)与 Ka
EKF
- 经典的卡尔曼滤波只适用于线性且满足高斯分布的系统，扩展卡尔曼滤波，非线性，实现跟踪，预测未来(The classical Calman filtering is only suitable for linear systems that satisfy Gauss distribution, extend Calman filtering, nonlinear, track and predict the future.)
鍙屽崱灏旀浖SOC浼拌
- 锂电池荷电状态(SOC)的精确估计一直是电池管理系统的核心任务之一。电流传感器中存在非零均值的电流漂移噪声,这些噪声会造成不可避免的估计误差。为减少电流漂移噪声对估算造成的不利影响,提出了联合扩展卡尔曼滤波法,以Thevenin模型为锂电池等效电路模型,将电流漂移值作为状态变量与电池SOC进行同步预测。实验和仿真结果表明,该方法能有效抑制电流漂移噪声,提高估算精度。(The accurate estimation of the charge state (SOC) of lithium batt
EVchargingloadforecast.m
- 用容积卡尔曼滤波进行一天时段内的充电负荷预测。(Capacity Kalman filtering is used for charging load forecasting during the day.)
87361014GM
- 用来做预测的，将灰色理论和粒子滤波相结合(The combination of grey theory and particle filter is used for forecasting.)
tick
- 采用卡尔曼滤波的方法对两只股票走势相近的股票进行预测，进行低买高卖的操作，从中获利。(Kalman filter method is used to predict two stocks with similar trend, and the operation of buying low and selling high is carried out to profit from it.)
ekf1
- 采用扩展卡尔曼滤波进行预测，有例子，预测效果良好。(Extended Kalman filter)
kalmanfilters
- 算法用于锂离子电池，用卡尔曼滤波算法进行状态估计并进行预测(state estimation and estimation)
Particle_filter_SIR_demo1
- 粒子滤波对数据的预测与跟踪能力，对电池剩余寿命的预测(Prediction and tracking ability of particle filter for data)
粒子滤波电池容量预测
- 基于粒子滤波电池容量预测matlab模型