本文以车辆、舰船组合导航定位问题为背景，将扩展卡尔曼滤波算法应用于INS/GPS组合导航系统中。
首先具体介绍了扩展卡尔曼滤波方法以及INS/GPS组合导航系统。
然后针对两个具体的组合导航问题，建立组合导航模型，设计了基于扩展卡尔曼滤波的组合导航滤波算法。
最后应用Matlab语言对所设计的算法进行仿真，并对仿真结果进行分析。
理论分析及仿真结果表明，扩展卡尔曼滤波在一定条件下是处理非线性状态估计的一种行使有效而设计简单的滤波方法。
首先具体介绍了扩展卡尔曼滤波方法以及INS/GPS组合导航系统。
然后针对两个具体的组合导航问题，建立组合导航模型，设计了基于扩展卡尔曼滤波的组合导航滤波算法。
最后应用Matlab语言对所设计的算法进行仿真，并对仿真结果进行分析。
理论分析及仿真结果表明，扩展卡尔曼滤波在一定条件下是处理非线性状态估计的一种行使有效而设计简单的滤波方法。
2023/9/12 6:55:43
1.15MB
1
包括：TDOAAOA定位的扩展卡尔曼滤波定位跟踪算法Matlab源码；
无线定位基本算法TDOA_TOA_AOA；
卡尔曼代码；
扩展卡尔曼滤波
无线定位基本算法TDOA_TOA_AOA；
卡尔曼代码；
扩展卡尔曼滤波
2023/8/9 4:28:52
719KB
1
运动物体的轨迹预测，分别使用卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波以及数据拟合方法实现。
本例代码仅含卡尔曼滤波部分代码。
本例仅为本人在研究轨迹预测问题时为理解算法原理所写，针对具体问题请自行斟酌算法适用性。
本例代码详解后续会在本人博客中做具体说明，欢迎讨论！
本例代码仅含卡尔曼滤波部分代码。
本例仅为本人在研究轨迹预测问题时为理解算法原理所写，针对具体问题请自行斟酌算法适用性。
本例代码详解后续会在本人博客中做具体说明，欢迎讨论！
2023/7/30 3:38:56
128KB
1
针对于扩展卡尔曼滤波(EKF)以及无迹卡尔曼滤波(UKF)等高动态信号载波跟踪算法存在跟踪精度不高的下场,付与无迹粒子滤波(UPF)算法对于高动态北斗卫星信号载波举行跟踪。
UPF算法松散粒子滤波(PF)以及无迹卡尔曼滤波,付与PF对于载波外形变量举行估量,同时使用UKF滤波器对于粒子举行权值的重新调配,处置了粒子进化下场。
经由Matlab仿真比力,基于EKF、UKF、UPF的跟踪算法的载波频率倾向距离为-15~1五、-10~十、-4~4Hz,验证了UPF算法的良好性。
UPF算法松散粒子滤波(PF)以及无迹卡尔曼滤波,付与PF对于载波外形变量举行估量,同时使用UKF滤波器对于粒子举行权值的重新调配,处置了粒子进化下场。
经由Matlab仿真比力,基于EKF、UKF、UPF的跟踪算法的载波频率倾向距离为-15~1五、-10~十、-4~4Hz,验证了UPF算法的良好性。
2023/5/11 0:36:12
68KB
1
基于EKF扩展卡尔曼滤波车体态状估量汽车平稳性抑制体系需要的外形信息一部份可经由车载传感器直接丈量，另一部份不能直接丈量。
为了实现车辆能源学抑制体系中的这种闭环外形反映，受某些丈量本领以及资源等因素的限度，依靠传感器直接丈量患上到某些弥留外形量有很大的难度，于是提出外形估量的方式，即经由估量算法实时患上到车辆新手驶进程中的某些弥留外形量，如车速、横摆角速率、质心侧偏角等。
本章行使扩展卡尔曼滤波方式，基于三从容度的车辆估量模子对于轮边驱动电动汽车的纵向车速、侧向车速、质心侧偏角举行了估量，经由仿真验证了估量算法的准确性。
为了实现车辆能源学抑制体系中的这种闭环外形反映，受某些丈量本领以及资源等因素的限度，依靠传感器直接丈量患上到某些弥留外形量有很大的难度，于是提出外形估量的方式，即经由估量算法实时患上到车辆新手驶进程中的某些弥留外形量，如车速、横摆角速率、质心侧偏角等。
本章行使扩展卡尔曼滤波方式，基于三从容度的车辆估量模子对于轮边驱动电动汽车的纵向车速、侧向车速、质心侧偏角举行了估量，经由仿真验证了估量算法的准确性。
2023/4/22 8:28:45
960B
1
MATLAB下扩展卡尔曼滤波的S函数实现，未多少说，直接上代码，能够直接复制运行，不合版本下略微更正一下配置配备枚举就可
2023/4/17 14:31:08
60KB
1
无迹卡尔曼滤波(UKF),容积卡尔曼滤波(CKF),扩展卡尔曼滤波(EKF)三种卡尔曼滤波算法的比力，使用的是matlab代码
2023/4/14 10:25:36
5KB
1
卡尔曼滤波（平方根算法、序贯算法、线性卡尔曼滤波、扩展卡尔曼滤波、区间卡尔曼滤波、体系倾向以及视察倾向无关的卡尔曼滤波）在R语言中的实现，详尽报告了原理以及其中货物包的使用，英文原版。
2023/4/6 9:37:47
842KB
1
1某系统的非线性形态方程和观测方程分别如式（1-1）和（1-2）所示。
系统的一维形态变量为，观测变量为，是方差为10.0的零均值高斯白噪声，是方差为1.0的零均值高斯白噪声。
试利用扩展卡尔曼滤波理论求出的最优估计。
要求：（1）利用Matlab或Python编写仿真程序。
（2）在同一张图中，给出的真值和估计值曲线。
（3）给出的真值与估计值之间的误差曲线变化图，并求出误差的均值和方差。
（4）对滤波效果进行分析。
系统的一维形态变量为，观测变量为，是方差为10.0的零均值高斯白噪声，是方差为1.0的零均值高斯白噪声。
试利用扩展卡尔曼滤波理论求出的最优估计。
要求：（1）利用Matlab或Python编写仿真程序。
（2）在同一张图中，给出的真值和估计值曲线。
（3）给出的真值与估计值之间的误差曲线变化图，并求出误差的均值和方差。
（4）对滤波效果进行分析。
2023/3/20 9:05:05
1KB
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