搜索资源列表
kalman
- 设一个系统的真实值为余弦函数，加入的系统过程噪声和测量噪声都满足正态分布，状态方程和量测方程都是线性的，用卡尔曼滤波求出最优结果-Set up a system of real value cosine function, the process of adding system noise and measurement noise are normally distributed, the state equation and measurement equation is linear,
kalman-filter
- 用非线性kalman filter，也就是扩展kalman filter 实现对非线性状态方程的估计，能够很好地追踪目标。-Nonlinear kalman filter, which is extended kalman filter to achieve the estimated nonlinear equation of state can be a good track targets.
kalman
- 基于卡尔曼滤波对现有采样数据进行滤波，有效降低观测值的误差。卡尔曼滤波是一种时域方法，它把状态空间的概念引入随机估计理论，用状态方程、观测方程和噪声激励递推估计测量噪声，便于实现实时应用。(The existing sampled data is filtered based on Kalman filter, which can effectively reduce the error of the observed value. Kalman filtering is a time doma
19-史子纬-作业6
- 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 filter (Kalman filtering) uses the state equation of linear system and optimally estimates the state of the system by input and output obser
kalman滤波的仿真
- 5.4.2 Kalman滤波器的设计 这一节将讨论如何使用控制系统工具箱进行Kalman滤波器的设计和仿真。 考虑下面的离散系统： x［n+1］=Ax［n］+B(u［n］+w［n］) (5.9) y［n］=Cx［n］ (5.10) 其中, w［n］是在输入端加入的高斯噪声。 状态矩阵参数分别为 A = ［1.1269-0.49400.1129 1.0000 0
matlab-example
- 一个很简单的学习例子，标注很清楚，是一个二阶的状态方程，可以很快学到如何建立卡尔曼滤波观测器(A very simple learning example, clearly labeled Is a second-order equation of state, and you can learn very quickly how to set up a kalman filter observer)
卡尔曼滤波及扩展
- 描述一个卡尔曼滤波问题需要两个模型，一个是描述系统的状态方程，一个是观测方程，观测量通过观测方程与状态变量建立联系，由观测量估计状态值。与其他频域滤波器不同，卡尔曼滤波器不需要观测和估计的历史记录，可以直接在时域进行设计和使用，是一个时域滤波器，适用于处理实时数据。 对于一个运动模型，建立卡尔曼滤波模型，进行仿真，设已知初始时刻运动目标的真实位置和速度，并已知卡尔曼滤波使用的初始状态值，对该问题给出仿真；进一步分析该问题的稳态卡尔曼解，直接使用稳态卡尔曼滤波（滤波器）仿真该问题。