本文研究了一种基于多传感器的,可穿戴的,实时检测老年人日常运动状况的嵌入式系统,可以及时准确地检测到老年人因为意外而发生的跌倒状况,并发出报警求救信息,将老人发生意外跌倒的位置和求救信息发送至监护人,以便可以对老人进行及时的救助,使得因跌倒对老人造成的伤害降至最低限度。
经实验分析,本文设计的跌倒检测系统误报率和错报率较低,具有较高的准确性和可靠性。
2024/6/8 7:11:02 2.47MB 多传感器 可穿戴 跌倒检测系统
1
提出了一种用于空间配准和多目标跟踪(MTT)的扩展产品多传感器基数化概率假设密度(PM-CPHD)滤波器。
目标的数量和状态以及传感器的偏差是通过这种方法联合估算的,而无需数据关联。
蒙特卡罗(MC)仿真结果表明,所提出的方法(i)的性能优于(i),尽管在计算上要比用于联合空间配准和MTT的扩展多传感器PHD滤波器要好;
(ii)优于多传感器联合概率数据关联(MSJPDA)过滤器,该过滤器在杂波相对密集时也适用于联合空间配准和MTT。
2024/5/27 14:43:17 128KB multi-sensor spatial registration; multi-target
1
使用matlab的BP神经网络算法解答多传感器数据融合问题
2024/5/17 18:01:19 2.9MB 多传感器 数据融合
1
基于安卓手机平台的多传感器数据采集工具,可以得到九轴惯导数据,GPS数据,wifi,光传感器等,可用于室内外定位算法的开发
2024/5/8 2:01:12 1.89MB 手机 传感器 数据采集 惯导
1
对局部节点状态估计间误差相关性的处理是分布式估计融合或航迹融合的关键要素;针对当前分布式融合理论中关于混合多模型估计融合研究的空白,首先推导得出了采用相同模型成分的各局部节点交互多模型状态估计的误差互协方差矩阵的递推计算方法;其次,讨论了所得非对称实误差互协方差矩阵的正定特性,并分析了此类误差相关性与混合多模型估计算法中模型过程噪声之间的变化关系;上述结果使得基于互协方差组合融合算法的交互多模型状态估计融合成为可能,仿真实验亦验证了其有效性,相对其它不考虑误差相关性的融合算法,融合结果也更为真实.
1
学习组合导航的大神著作,附有matlab代码与例子,帮助你更好的理解组合导航。
2024/3/19 4:45:11 13.15MB 组合导航
1
针对同类多传感器测量中含有的噪声,提出了多传感器数据自适应加权融合估计算法,该算法不要求知道传感器测量数据的任何先验知识,依据估计的各传感器的方差的变化,及时调整参与融合的各传感器的权系数,使融合系统的均方误差始终最小,并在理论上证明了该估计算法的线性无偏最小方差性.仿真结果表明了本算法的有效性,其融合结果在精度、容错性方面均优于传统的平均值估计算法.
2024/3/14 6:54:06 191KB 多传感器
1
多传感器信息源的数据和信息加以联合、相关及组合,获得更为精确的位置估计及位置估计。
2024/3/4 12:02:35 2KB 航迹融合
1
关于目标跟踪的最小二乘的matlab程序其坐标是建立在三维中参考论文为:《信息融合中多平台多传感器的时空对准研究》P28页至33页。
2024/1/24 15:21:04 3KB LS matlab
1
第二版(最新)的HandbookOfMultisensorDataFusion,高清,非扫描,带完整书签,页数齐全。
多传感器融合的经典书籍。
2024/1/4 6:27:33 9.76MB Fusion 融合 Multisensor Handbook
1
共 37 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡