本文首先介绍了GPS系统组成，在此基础上介绍了其定位的基本原理，然后通过对载体的运动进行动态建模将卡尔曼最优估计理论引入导航定位系统中，解决了滤波器的发散，非线性系统的线性化等一些常见问题，提高了系统的定位精度，并对卡尔曼滤波进行自适应的改进，进一步提高了其精确度和稳定性。
接着讨论了GPS定位的误差源和它们对定位精度的影响，并分析了怎样改进定位性能，并对GPS完整性进行了研究，在对卫星导航系统中现有RAIM算法进行研究的基础上，讨论了故障卫星的探测与分离方法，提出了一种新的有效的探测和分离故障卫星的方法。
文章的最后通过对整个定位过程进行仿真，对比了最小二乘算法和卡尔曼滤波算法的定位、测速精度以及其动态性能，并对所提出的新的RAIM算法进行了仿真，仿真结果表明了该算法的正确性及实用性。

基于改进的强跟踪滤波GPS校频系统误差处理方法

对自抗扰控制器三部分组成:跟踪微分器(trackingdifferentiator)，扩展状态观测器(extendedstateobserver)和非线性状态误差反馈控制律(nonlinearstateerrorfeedbacklaw)的matlab仿真

本设计课题任务的内容为：对OFDM系统无线信道进行研究,利用仿真器进行仿真,研究分析电磁波在该无线信道中的传播和变化规律。
具体要求：(1)在研究无线信道传播理论基础上,分析无线信道传播特性,建立各种衰落信道的结构模型,设计无线信道抽头延迟线模型和Jakes仿真模型。
(2)对路径损耗信道模型进行分析,比较各模型的特点,仿真分析模型误差,提出各种模型的适用环境。
(3)利用Jakes仿真器,对小尺度衰落信道进行计算机仿真,验证平坦衰落和频率选择性衰落信道特性,分析小尺度衰落的各种性能参数。
(4)对OFDM系统进行仿真,通过比较加保护间隔和不加保护间隔系统的误码率,给出OFDM具有独特的抗多径衰落特性。
(5)通过分析移动台移动速度和周围环境对系统误码率、信号包络、多普勒功率谱和传递函数等系统参数的影响,给出小尺度衰落随移动台移动速度和周围环境的变化关系。

GPS位置+速度两个观测量卡尔曼惯导航融合，观测传感器滞后的主要思想是，由于惯导的主体为加速度计，采样频率与更新实时性要求比较高，而观测传感器（气压计、GPS、超声波、视觉里程计等）更新相对比较慢（或者数据噪声比较大，通常需要低通造成滞后）。
在无人机动态条件下，本次采样的得到的带滞后观测量（高度、水平位置）已经不能反映最新状态量（惯导位置），我们认定传感器在通带内的延时时间具有一致性（或者取有效带宽内的平均时延值），即当前观测量只能反映系统N*dt时刻前的状态，所以状态误差（在这里指的是气压计与惯导高度、GPS水平位置与惯导水平位置）采用当前观测量与当前惯导做差的方式不可取，在APM里面采用的处理方式为：将惯导的估计位置用数组存起来，更具气压计和GPS的滞后程度，选取合适的Buffer区与当前观测传感器得到位置做差得到状态误差。
————————————————版权声明：本文为CSDN博主「NamelessCotrun无名小哥」的原创文章，遵循CC4.0BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/u011992534/article/details/78257684

一、 利用行列式比估计模型的阶次 2二、 利用残差的方差估计模型的阶次 3三、 利用Akaike准则估计模型的阶次 4四、 利用最终预报误差准则估计模型的阶次 5五、 根据Hankel矩阵的秩估计模型的阶次 7附录1利用行列式比估计模型的阶次 9附录2利用残差的方差估计模型的阶次 11附录3利用Akaike准则估计模型的阶次 13附录4利用最终预报误差准则估计模型的阶次 15附录5利用Hankel矩阵的秩估计模型的阶次 17

非常清晰，共14章第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1§1.1测绘学的任务及作用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1§1.2数字测图的发展概况⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3§1.3学习数字测图原理与方法的目的和要求⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4第二章测量的基本知识⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯6§2.1地球形状和大小⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯6§2.2测量常用坐标系和参考椭球定位⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯8§2.3地图投影和高斯平面直角坐标系⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯12§2.4高程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯19§2.5用水平面代替水准面的限度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯20§2.6方位角⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯22§2.7地形图的基本知识⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯24§2.8地形图的分幅与编号⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯31第三章测量误差基本知识⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯42§3.1观测误差的分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯42§3.2衡量精度的标准⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯45§3.3算术平均值及观测值的中误差⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯48§3.4误差传播定律⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯51§3.5加权平均值及其精度评定⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯55§3.6间接平差原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯58第四章水准测量和水准仪⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯62§4.1水准测量原理与方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯62§4.2水准仪和水准尺⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯65§4.3水准测量外业施测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯81§4.4水准测量的误差分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯88目录1§4.5水准仪的检验与校正⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯90第五章角度、距离测量与全站仪⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯103§5.1角度测量原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯103§5.2经纬仪⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯104§5.3角度观测方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯115§5.4水平角观测的误差和精度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯123§5.5经纬仪的检验和校正⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯132§5.6距离测量⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯137§5.7光电测距误差分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯154§5.8光电测距仪的检验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯158§5.9全站仪和自动全站仪⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯162§5.10三角高程测量⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯166第六章控制测量⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯172§6.1控制测量概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯172§6.2导线测量⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯181§6.3交会测量⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯195§6.4三角网测量⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯204§6.5高程控制测量⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯210§6.6全球定位系统(GPS)在控制测量中的应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯219第七章碎部测量⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯226§7.1碎部

查阅JPEG编码的有关资料，对图像进行JPEG压缩，算法步骤必须包括如下几个部分：图像分块，离散余弦变换，量化，ac和dc系数的Z字形编排。
问题1:质量因子分别选为20，60，80，对比显示原图与不同质量因子下解码后的图像；
问题2:记录图像大小、压缩比、均方根误差；
对结果进行分析。

BP（BackPropagation）神经网络是一种神经网络学习算法。
其由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。
相邻层之间各神经元进行全连接，而每层各神经元之间无连接，网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，各神经元获得网络的输入响应产生连接权值（Weight）。
然后按减小希望输出与实际输出误差的方向，从输出层经各中间层逐层修正各连接权，回到输入层。
此过程反复交替进行，直至网络的全局误差趋向给定的极小值，即完成学习的过程，

在Eb/N0（5db~30db，间隔5db）下的加性高斯白噪声，并且假设信道（AWGN信道、瑞利信道）引入了30度的相位误差，采用QPSK调制信号作为导频信号，试仿真不同情况下的平均相位估计与采样点间曲线。
改变里面参数，并分析其对相位估计的影响。
详见我的博客：高斯信道下信号相位估计

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。