搜索资源列表
dwbbs6.0
- 1、为了界面的美观性考虑,建议您添加了作为分类的版面(或者有下属论坛的版面)后,到该版面的高级设置中设置该版面不允许发贴,当然你也可以设置他可以发贴:) 2、一个分类或者有下属论坛的版面,可以设置版主,如果其下级论坛设置了可继承上级版主权限,那么上级论坛就可以管理下级论坛,如果不继承,则不可管理下属版面 其他就没什么好注意的了,大家尽情享受新版带来的乐趣吧:) 目前新版加入功能: 前台: 1、无限分类,采用版主继承制度(可选,如可以不继承上级版主权限或者继承)
os_2
- 本程序需要用到数据结构中队列的概念完成。用指针指出下一个进程的PCB首地址,最后一个进程中指针为“0”。该调度算法是从后备队列中选择一个或若干个估计运行时间最短的作业,将其调入内存运行。当要求运行时间不为0时,将PCB加入队列(按优先数大小插入,且置队首标志);若要求运行时间为0,则把它的状态修改为“结束”(),并退出队列。-the procedures need to resort to queue data structure to complete the concept. Using i
ekf1153
- 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(英文:measurement)中,估计动态系统的状态。 -Kalman Filter is a highly efficient recursive filter (autoregressive filter), It can complete a series of noise measurements included (in English : measurement). Dynamic Syste
FIFO
- 链接指针:按照进程到达系统的时间将处于就绪状态的进程连接成衣个就绪队列。指针指出下一个到达进程的进程控制块首地址。最后一个进程的链接指针为NULL。 估计运行时间:可由设计者任意指定一个时间值。 到达时间:进程创建时的系统时间或由用户指定。调度时,总是选择到达时间最早的进程。 进程状态:为简单起见,这里假定进程有两种状态:就绪和完成。并假定进程一创建就处于就绪状态,用R表示。当一个进程运行结束时,就将其设置成完成态,用C表示。 处理机调度时总是选择队首指针指向的进程投入运行。由于
shijianpianlunzhuan
- 链接指针:指出下一个到达进程的进程控制块首地址。按照进程到达的顺序排队。系统设置一个队头和队尾指针分别指向第一个和最后一个进程。新生成的进程放队尾。 估计运行时间、到达时间以及进程状态一第一题中相同。 (2)为每个进程任意确定一个要求运行时间和到达时间。 (3)按照进程到达的先后顺序排成一个循环队列。再设一个队首指针指向第一个到达进程的首址。 (4)执行处理机调度时,开始选择队首的第一个进程运行。另外再设一个当前运行进程指针,指向当前正在运行的进程。 (5)由于本实验是模拟实
strongtrackingfilter
- 在目标被动式跟踪中广泛应用的伪量测变换估计器(PLE)具有良好的误差收敛性。然而由于等价噪声和状态的相关性,该估计器的估计是有偏的。提出的强跟踪滤波器(STF)通过强制白化残差具有自适应地校正估计偏差和迅速跟踪状态变化的能力。STF已经在非线性系统时滞估计、故障诊断与容错控制方面取得了很好的效果。
kalman_intro_chinese_V1.2
- 在1960年,卡尔曼出版了他最著名的论文,描述了一个对离散数据线性滤波问题的递归解决方法。从那以后,由于数字计算的进步,卡尔曼滤波器已经成为广泛研究和应用的主题,特别在自动化或协助导航领域。 卡尔曼滤波器是一系列方程式,提供了有效的计算(递归)方法去估计过程的状态,是一种以平方误差的均值达到最小的方式。滤波器在很多方面都很强大:它支持过去,现在,甚至将来状态的估计,而且当系统的确切性质未知时也可以做。 这篇论文的目的是对离散卡尔曼滤波器提供一个实际介绍。这次介绍包括对基本离散卡尔曼滤波器
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
vb-akf-demo
- 针对线性高斯系统,采用共轭分布实现量测噪声未知情况下的状态估计和噪声方差辨识。(For linear Gaussian system, a conjugate distribution is adopted to estimate system state and identificate measurement noise variance.)
程序代码WLS
- 加权最小二乘电网状态估计1111113gfvcndnfghhgk(Weighted least squares power system state estimation 1111113gfvcndnfghhgk)
卡尔曼滤波参数辨识kf13
- 卡尔曼滤波参数估计,基于无迹卡尔曼滤波算法,对状态变量进行参数估计(Calman filter parameter estimation is based on the unscented Calman filter algorithm for parameter estimation of state variables.)
UKFF
- 利用ukf算法,通过辨识过的参数,进行状态方程的状态的估计,从而实现对soc的估计(Using UKF algorithm, the state of state equation is estimated by identifying parameters, thus the estimation of SOC is realized.)
目标定位
- 研究目标跟踪的状态估计方法,最小二乘估计,Kalman滤波,扩展Kalman滤波,无迹Kalman滤波以及粒子滤波等,理论及MATLAB源程序。(The state estimation methods of target tracking, least square estimation, Kalman filtering, extended Kalman filtering, unscented Kalman filtering and particle filtering, theory
Hidden-Markov
- 通过规定转移概率,构造的隐马尔可夫信道状态转移,生成接受序列,接收端接收到的接受序列(By specifying the transition probability, the state transition of the hidden Markov channel is constructed, and the receiving sequence is generated. The receiving sequence is received by the receiving end.)
ukf_bicycle-matlab
- 基于UKF的自行车状态估计matlab程序实现(Realization of Bicycle State Estimation Based on UKF with MATLAB Program)
基于希尔伯特黄熵的麻醉深度估计
- 麻醉深度监测是外科手术中必不可少的步骤之一。 目前已经提出多种监测麻醉深度的脑电信号分析方 法, 尤其熵方法得到了广泛的关注。 提出一种新的麻醉深度监测方法-希尔伯特黄熵, 先用经验模态分解—希尔 伯特黄变换处理脑电信号获取希尔伯特黄边际谱, 再根据香农熵定义得到希尔伯特黄熵。 对 19 个接受吸入药物 七氟醚麻醉的病人脑电信号的希尔伯特黄熵和时频均衡谱熵进行计算、测试和比较, 结果表明:希尔伯特黄熵能够 更准确的区分麻醉和清醒状态, 更适合于麻醉深度监测。
扩展卡尔曼滤波SOC算法Simulink模型
- 在simulink中采用扩展卡尔曼滤波估算电池soc(Estimating SOC of battery with extended Kalman filter in Simulink)
matlab程序
- 主要功能: 1.完成传感器对目标状态的kalman滤波估计; 2.对传感器的状态估计进行SCC和CI融合; 3.画出位置及速度的估计和融合误差曲线、真实航迹及融合后航迹、K=1时刻的协方差椭圆(Main functions: 1. The Kalman filter estimation of the target state is completed; 2. The state estimation of sensors is fused by SCC and CI; 3. Draw the
4cacfc39
- 蒙特卡洛法的应用,hhhh电力系统状态估计状态分析,风险评估(Application of Monte Carlo method, state analysis of power system state estimation, risk assessment)
蒙特卡洛—matlab
- 蒙特卡洛法的应用dddd,电力系统状态估计状态分析,风险评估(Application of Monte Carlo method, state analysis of power system state estimation, risk assessmen)