搜索资源列表
KalmanFilterProgram
- 目标跟踪问题的应用背景是雷达数据处理，即雷达在搜索到目标并记录目标的位置数据, 对测量到的目标位置数据（称为点迹）进行处理，自动形成航迹，并对目标在下一时刻的位置进行预测。 ben文简要讨论了用Kalman滤波方法对单个目标航迹进行预测，并借助于Matlab仿真工具，对实验的效果进行评估。 trajectory.m产生理论的航迹，并绘出 Kalman_filter.m 利用Kalman滤波算法，对目标的航迹进行估计 filter_result.m kalman滤波估计的
lifting_97
- 本程序实现任意偶数大小图像第二代双正交97提升小波变换 注1： 采用标准正交方法，对行列采用不同矩阵（和matlab里不同） 注2： 为了保证正交，所有边界处理，全部采用循环处理 注3： 正交性验证，将单位阵带入函数，输出仍是单位阵（matlab不具有此性质） 注4： 此程序是矩阵实现，所以图像水平分量和垂直分量估计被交换位置 注5： 此程序实现的是类小波（wavelet-like）变换，是介于小波包变换与小波变换之间的变换 注6： 此程序每层变换相对原图像矩阵，产
kalman跟踪滤波
- 目标跟踪问题的应用背景是雷达数据处理，即雷达在搜索到目标并记录目标的位置数据, 对测量到的目标位置数据（称为点迹）进行处理，自动形成航迹，并对目标在下一时刻的位置进行预测。 ben文简要讨论了用kalman滤波方法对单个目标航迹进行预测，并借助于Matlab仿真工具，对实验的效果进行评估。 trajectory.m产生理论的航迹，并绘出 kalman_filter.m 利用kalman滤波算法，对目标的航迹进行估计
matlab_ukf_utilities
- 卡尔曼滤波的一个典型实例是从一组有限的，对物体位置的，包含噪声的观察序列预测出物体的坐标位置及速度. 在很多工程应用(雷达, 计算机视觉)中都可以找到它的身影. 同时，卡尔曼滤波也是控制理论以及控制系统工程中的一个重要话题. 比如,在雷达中,人们感兴趣的是跟踪目标,但目标的位置,速度,加速度的测量值往往在任何时候都有噪声.卡尔曼滤波利用目标的动态信息,设法去掉噪声的影响,得到一个关于目标位置的好的估计。 -kalman ukf matlab
IDASimulation
- 本文针对SLAM数据关联中使用最为广泛的最近邻方法作了改进，利用特征估计位置与载体预测位置之间的欧氏距离计算代替了全部特征与每个量测之间的马氏距离计算，避免了大量的矩阵乘法计算。该算法简单易行，降低了算法的计算复杂度，有利于SLAM算法的实时执行，且关联效果与全局最近邻法相同-In this paper, SLAM data association in the most widely used methods of improving the nearest neighbor, using t
kf_eg
- matlab例程，卡尔曼滤波程序，位置速度等预测，自己修改后的代码，易懂，可行，供初学者参考-example for kalman filter for gps
forKPMtools
- 卡尔曼滤波，能够进行目标位置的预测与识别-Filter of Kalman
Audio-Watermarking-in-DCT
- 本文在DCT噪声信号模型研究的基础上,提出了一种新的音频水印嵌入位置选择策略和一个应用该策略的自适应音频水印算法. 通过定义DCT系数的噪声敏感度,建立了水印嵌入位置和嵌入水印后的音频信号的听觉感知性之间的关系,根据音频水印的不可听性的要求选择最优的嵌入位置,然后调节水印强度来满足鲁棒性的要求,从而最大程度地保持音频水 印的不可听性和鲁棒性,为解决音频水印嵌入过程中不可听性和鲁棒性之间的矛盾提供了一种策略.-Though m any w orks in the literature agre
matlab-kalman
- 卡尔曼滤波的一个典型实例是从一组有限的，对物体位置的，包含噪声的观察序列预测出物体的坐标位置及速度. 在很多工程应用(雷达, 计算机视觉)中都可以找到它的身影. 同时，卡尔曼滤波也是控制理论以及控制系统工程中的一个重要话题. 比如,在雷达中,人们感兴趣的是跟踪目标,但目标的位置,速度,加速度的测量值往往在任何时候都有噪声.卡尔曼滤波利用目标的动态信息,设法去掉噪声的影响,得到一个关于目标位置的好的估计。这个估计可以是对当前目标位置的估计(滤波),也可以是对于将来位置的估计(预测)，也可
matlab-kalman-filter
- 目标跟踪问题的应用背景是雷达数据处理，即雷达在搜索到目标并记录目标的位置数据，对测量到的目标位置数据（称为点迹）进行处理，自动形成航迹，并对目标在下一时 刻的位置进行预测。本文简要讨论了用Kalman滤波方法对单个目标航迹进行预测，并借助于Matlab仿真工具，对实验的效果进行评估。 -kalman filter
lifting_97
- 实现9/7小波正反变换 注1： 采用标准正交方法，对行列采用不同矩阵（和matlab里不同） 注2： 为了保证正交，所有边界处理，全部采用循环处理 注3： 正交性验证，将单位阵带入函数，输出仍是单位阵（matlab不具有此性质） 注4： 此程序是矩阵实现，所以图像水平分量和垂直分量估计被交换位置 注5： 此程序实现的是类小波（wavelet-like）变换，是介于小波包变换与小波变换之间的变换 注6： 此程序每层变换相对原图像矩阵，产生的矩阵都是正交阵，这和小
tracking_Balace_Accelerate
- 对于目标跟踪在WSN中的应用，采用二项式拟合方式的目标位置预测源码-WSN mobile targets tracking
exp2
- 录制汉语拼音 a1（阴平）的发音。分别提交你所能录制的基音频率最高和最低的两个 录音文件。文件名为: 学号_a_h.wav（高音文件）和学号_a_l.wav（低音文件）。（用MathLab 编程） 1）分别对这两个文件进行观察分析。找出最高和最低基音频率位置，分别显示此时它们的 局部波形和短时频谱（按照最大值为100 归一化显示）。 要求：在时域波形上标出基音周期，并算出数值（精确到一个采样点）。在频域图上标出 基音频率。注意：标出分析波形的起始位置（精确到采样点位置），
Kalman
- 一种卡尔曼滤波器，通过对状态来对未来进行预测，可以估计小球的位置。-One kinds of the Kalman filter can estimate the position of the ball.
FdRLS
- 雷达数据处理对于观测的目标位置数据（称为点迹）进行滤波处理，自动形成航迹，并且可以对下一个目标的位置进行估计预测。利用最小二乘算法（LMS）进行滤波处理，得到了比较稳定的航迹估计。 最小二乘方法是参数估计中一种较为常见的参数估计方法。对于雷达观测数据，在我们假定已经精确知道航迹的运动学模型之后，通过建立观测方程，即可以对于模型的参数，如初速度，初始位置和加速度等进行最小均方误差估计。采用序贯最小二乘的方法可以对观测数据进行实时处理，已对待估计参数进行实时更新，然后利用观测模型可以对 数据进行
art
- 使用粒子滤波对目标运动状态和轨迹进行预测跟踪，仿真结果包括系统状态、系统误差和粒子中心位置。-Using a particle filter for target motion trajectory prediction and tracking, simulation results include system status, system errors and particle center position.
pwhsxbei
- Matlab实现界面友好，使用matlab实现智能预测控制算法，包含位置式PID算法、积分分离式PID，线性调频脉冲压缩的Matlab程序,仿真效果非常好，粒子图像分割及匹配均为自行编制的子例程。- Matlab to achieve user-friendly, Use matlab intelligent predictive control algorithm, It contains positional PID algorithm, integral separate PID, LFM
PSO_LSSVM
- 基于pso_lssvm的预测程序，直接可用，可以出图，可以修改。加入了粒子变异、权值的递减策略（去掉%就行了）。注意：excel记得放对位置(Pso_lssvm based prediction program, directly available, you can map, you can modify. Added a particle mutation, weight reduction strategy (remove%))
MATLAB
- 根据已经给出的半径、速度向量，预测卫星两天后在轨道上面的位置。(Prediction of satellite orbit position according to radius and velocity vecto)
guidao
- 根据给出的速度与位置向量，预测两天后卫星在轨道上面的位置。(According to the velocity and position vector given, the position of the satellite on the orbit is predicted two days later.)