matlab写的一个扩展卡尔曼滤波程序，状态方程为线性，观测方程非线性，最后输出图片以便观察能否收敛，分享给大家参考。
还有一个C++版本的。
还有一个C++版本的。
2019/5/7 10:57:14
1KB
1
本资源包含电池参数辨识，及基于一阶等效电路模型的扩展卡尔曼滤波算法估计SOC的模型，模型可直接仿真，方便于初学基于EKF估算SOC的同窗！！
2016/11/16 18:44:42
93KB
1
基于EKF扩展卡尔曼滤波车身状态估计汽车稳定性控制系统需要的状态信息一部分可通过车载传感器直接测量，另一部分不能直接测量。
为了实现车辆动力学控制系统中的这种闭环状态反馈，受某些测量技术以及成本等因素的制约，依靠传感器直接测量获取某些重要状态量有很大的难度，因而提出状态估计的方法，即通过估计算法实时获取车辆在行驶过程中的某些重要状态量，如车速、横摆角速度、质心侧偏角等。
本章利用扩展卡尔曼滤波方法，基于三自由度的车辆估计模型对轮边驱动电动汽车的纵向车速、侧向车速、质心侧偏角进行了估计，通过仿真验证了估计算法的准确性。
为了实现车辆动力学控制系统中的这种闭环状态反馈，受某些测量技术以及成本等因素的制约，依靠传感器直接测量获取某些重要状态量有很大的难度，因而提出状态估计的方法，即通过估计算法实时获取车辆在行驶过程中的某些重要状态量，如车速、横摆角速度、质心侧偏角等。
本章利用扩展卡尔曼滤波方法，基于三自由度的车辆估计模型对轮边驱动电动汽车的纵向车速、侧向车速、质心侧偏角进行了估计，通过仿真验证了估计算法的准确性。
2021/10/9 17:13:04
1KB
1
利用扩展卡尔曼滤波(extendedkalmanfiklter)技术完成的滑移率观测器。
车辆模型用四分之一车辆模型代替。
车辆模型用四分之一车辆模型代替。
2018/9/7 6:45:55
16KB
1
某物体在XY平面做运动，采样周期为1s，该运动系统的形态方程如式(2-1)所示，其中,为系统的形态向量，各形态变量对应地分别表示方向的位置、方向速度、方向的位置、方向的速度。
为零均值高斯白噪声,。
采用方位角传感器测量运动系统的方位角，作为系统的输出。
系统的输出方程如式（2-2）所示：其中是零均值高斯白噪声，。
假设系统的初始形态,，=0.02。
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）给出各形态变量的真值和估计值曲线变化图。
（3）分别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。
为零均值高斯白噪声,。
采用方位角传感器测量运动系统的方位角，作为系统的输出。
系统的输出方程如式（2-2）所示：其中是零均值高斯白噪声，。
假设系统的初始形态,，=0.02。
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）给出各形态变量的真值和估计值曲线变化图。
（3）分别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。
2022/9/3 19:55:27
4KB
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。
本例代码仅含扩展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推敲算法适用性。
本例代码详解后续会在本人博客中做具体说明，欢迎讨论！
本例代码仅含扩展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推敲算法适用性。
本例代码详解后续会在本人博客中做具体说明，欢迎讨论！
2020/5/20 8:27:48
128KB
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