搜索资源列表
LMS
- 使用LMS算法实现的自适应滤波器范例，对一个加白噪声的正弦信号滤波。并且比较不同步长的滤波器的迭代次数。-LMS algorithm using adaptive filter example, a sinusoidal signal plus white noise filter. And less synchronized long filter iterations.
The_nonlinear_filtering_algorithm_performance_anal
- 对目前非线性滤波的主要算法即扩展卡尔曼滤波、不敏卡尔曼滤波、粒子滤波、扩展卡尔曼粒子滤波和不敏粒子滤波的滤波模型、适用条件、性能进行了分析比较，给出了每种方法的计算复杂度．通过一个非线性非高斯模型进行了仿真，验证了这些算法的性能。-Present the main algorithms of the nonlinear filtering extended Kalman filter, Unscented Kalman filter, particle filter, particle filt
Particle-Filter-Tracking
- 关于图像追踪问题粒子滤波算法的程序，比较详细-On the particle filter image tracing program, a more detailed
KF-Application-in-Navigation
- Kalman滤波实质上是一种实时递推算法，其设计方法简单易行，所需的存储空间小，因此，在工程实际中受到了广泛重视。随着计算机技术的飞速发展，以Kalman滤波技术为核心的现在估计理论也已广泛应用于航天、航空、航海、系统工程、通信、工业过程控制、遥感等各个领域。本文紧密结合Kalman滤波理论在导航、制导领域的应用展开。主要讨论各种导航种类中的惯性导航。讨论Kalman滤波在惯性导航实现以及其与其他种类导航的组合导航实现时的应用。并且建模实现惯性导航的过程，并且比较了在有辅助信息前提下误差均方根的
RGLS
- 该算法用于自回归输入模型，是一种迭代的算法。其基本思想是基于对数据先进行一次滤波处理，后利用普通最小二乘法对滤波后的数据进行辨识，进而获得无偏一致估计。但是当过程的输出信噪比比较大或模型参数较多时，这种数据白色化处理的可靠性就会下降，辨识结果往往会是有偏估计。数据要充分多，否则辨识精度下降。模型阶次不宜过高。初始值对辨识结果有较大影响。-The algorithm used for autoregressive input model, it is a kind of iterative alg
CAKF
- 容积卡尔曼滤波算法，可运行，与卡尔曼滤波算法比较，效果更好。-Volume Kalman filter algorithm can be run, compared with the Kalman filter algorithm, the better.