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。
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。
2024/5/16 2:35:30
2.63MB
1
利用矢量传感器阵列隐含的多平移不变特性，可构建出三阶输出数据张量；
进而利用张量PARAFAC分解算法（交替最小二乘，ALS）完成信号DOA-极化联合估计。
该算法为R.Bro&N.D.Sidiropoulos于1998年提出，是PARAFAC分解应用于矢量阵列信号处理的早期成果。
进而利用张量PARAFAC分解算法（交替最小二乘，ALS）完成信号DOA-极化联合估计。
该算法为R.Bro&N.D.Sidiropoulos于1998年提出，是PARAFAC分解应用于矢量阵列信号处理的早期成果。
2024/5/10 12:35:39
4KB
1
估计高阶统计量的双谱程序，随机过程可用它的各阶矩来完整描述。
与矩一样，可用累积量从时域来描述随机过程的统计特性；
亦可用高阶谱(包括功率谱)从频域来描述随机过程的统计特性。
由于三阶矩与三阶累积量相同，故三阶谱(也称双谱)定义为三阶矩函数(或称三阶自相关函数）的二重傅里叶变换。
已测试过可以运行使用
与矩一样，可用累积量从时域来描述随机过程的统计特性；
亦可用高阶谱(包括功率谱)从频域来描述随机过程的统计特性。
由于三阶矩与三阶累积量相同，故三阶谱(也称双谱)定义为三阶矩函数(或称三阶自相关函数）的二重傅里叶变换。
已测试过可以运行使用
6KB
1
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
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
2024/5/6 15:32:31
997KB
1
试建立一个2DPSK频带传输模型，产生一段随机的二进制非归零码的基带信号，对其进行2DPSK调制后再送入加性高斯白噪声（AWGN）信道传输，在接收端对其进行2DPSK解调以恢复原信号，观察还原是否成功，改变AWGN信道的信噪比，计算传输前后的误码率，绘制信噪比-误码率曲线，并与理论曲线比较进行说明。
另外，对发送信号和接收信号的功率谱进行估计。
另外，对发送信号和接收信号的功率谱进行估计。
2024/5/6 10:14:08
639KB
1
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
2024/5/3 20:22:45
368KB
1
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。
2024-04-09 15:03
15KB