注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 最优状态估计 卡尔曼，H∞及非线性滤波

  2. 最优状态估计 卡尔曼，H∞及非线性滤波（中文）

  3. 所属分类：讲义

    • 发布日期：2017-08-08
    • 文件大小：73400320
    • 提供者：lzwdsrsy

  1. 最优状态估计--卡尔曼，H∞及非线性滤波

  2. 最优状态估计--卡尔曼，H∞及非线性滤波最优状态估计--卡尔曼，H∞及非线性滤波最优状态估计--卡尔曼，H∞及非线性滤波最优状态估计--卡尔曼，H∞及非线性滤波最优状态估计--卡尔曼，H∞及非线性滤波

  3. 所属分类：VR

    • 发布日期：2018-05-05
    • 文件大小：60817408
    • 提供者：o_ha_yo_yepeng

  1. 最优状态估计 Dan Simon

  2. 最优状态估计 卡尔曼，H∞及非线性滤波（Dan Simon）包含中英文两版本以及官网部分代码

  3. 所属分类：VR

    • 发布日期：2018-12-20
    • 文件大小：80740352
    • 提供者：bigdog_1027

  1. 最优状态估计.zip

  2. 最优状态估计英文电子版以及英文课后答案和中文翻译版，需要的可以下载。

  3. 所属分类：专业指导

    • 发布日期：2019-06-01
    • 文件大小：85983232
    • 提供者：qq_41971801

  1. 最优状态估计 卡尔曼H∞及非线性滤波---《中+英+程序-最全版！！！》---里面的内容包含50币的~你懂的

  2. 文档中包含了最优状态估计的英文原版文档，和中文张永刚翻译的版本，都是不可多得的好资源。 重要的是我附带了英文原版的matlab程序源码，这样你在学习完理论，在验证功能的时候，省去了你自己编写程序的过程； 程序中附带了H无穷滤波，非线性滤波，粒子滤波。 希望好的资料遇到识货的人。 最后感谢张永刚老师，他的课真的很不错。有机会大家可以来哈工程来旁听他的课程，讲的很不错。人格魅力没的说。粉你一下刚哥、

  3. 所属分类：专业指导

  1. 7-随机系统最优控制.pdf

  2. 前面都是以确定性系统为基础讨论最优控制问题，而实际上 绝对的确定性系统几乎不存在，各种工程系统中总是或多或 少地存在不确定性。  如何处理系统中的不确定性已经是当前控制理论研究的重要 问题。引起不确定性的原因很多，处理的方法也有很多。  随机系统控制理论考虑不确定性问题中的随机扰动部分，方 法是将确定性控制系统理论与概率论、随机过程理论方法相 结合。  随机系统最优控制作为随机系统控制理论的重要组成部分， 是建立在最优状态估计基础之上的。但由于最优状态估计在 其他课程中已有介绍，不是本课

  3. 所属分类：讲义

    • 发布日期：2019-06-16
    • 文件大小：232448
    • 提供者：qq_25944101

  1. 最优状态估计 卡尔曼H∞及非线性滤波 （美）西蒙

  2. 本书介绍了系统最优状态估计的方法。全书分为四大部分，第一部分给出了系统状态估计所需的数学基础，包括线性系统理论、概率理论、最小二乘估计、状态和协方差阵迭代；第二部分主要阐述了卡尔曼滤波器及其发展，包括离散卡尔曼滤波器、卡尔曼滤波器的其他表示方法、发展的卡尔曼滤波器、时间连续卡尔曼滤波器和最优平滑；第三部分介绍了H∞滤波器；第四部分介绍了非线性滤波器，包括非线.

  3. 所属分类：嵌入式

    • 发布日期：2019-04-05
    • 文件大小：80740352
    • 提供者：qq_34084561

  1. 无刷直流电动机调速系统的最优状态反馈控制

  2. 研究了具有量测噪声和负载干扰的无刷直流电动机实时最优速度的控制方法.建立了系统的硬件结构,并推导出系统的数学模型.采用卡尔曼滤波器的状态估计,提出了一种基于动态规划的最优反馈控制策略;给出了补偿量测噪声和负载干扰的自适应算法.仿真研究的结果表明,提出的方法使系统具有较好的动态性能,验证了提出方法的有效性与可行性.

  3. 所属分类：其它

    • 发布日期：2020-07-18
    • 文件大小：128000
    • 提供者：weixin_38624628

  1. 最优状态估计 卡尔曼，H∞及非线性滤波.rar

  2. 最优状态估计 卡尔曼，H∞及非线性滤波的matlab代码Ex1-2_MotorSim——Ex15-5_ParticleEx5 一共40个matlab代码，很有用

  3. 所属分类：电信

    • 发布日期：2020-08-16
    • 文件大小：50176
    • 提供者：microfisher

  1. 卡尔曼滤波与状态估计例题python实现

  2. 卡尔曼滤波与状态估计例题python实现 关于卡尔曼滤波的原理这里就不赘述了，很多大佬说的很棒，这里就把网课上看到的例题在这里做一下 巩固一下 卡尔曼滤波的两个步骤 预测更新（Predict): 预测状态量： x^=(t∣t−1)=A~x(t−1)+Bu(t)\hat x=(t|t-1)=\widetilde{A}x(t-1)+Bu(t)x^=(t∣t−1)=Ax(t−1)+Bu(t) 预测误差协方差矩阵： P(t∣t−1)=AP(t−1)AT+QP(t|t-1)=AP(t-1)A^T+QP(t

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：116736
    • 提供者：weixin_38742656

  1. 基于最优权重的加权最小二乘状态估计

  2. 基于最优权重的加权最小二乘状态估计

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：147456
    • 提供者：weixin_38704830

  1. 双方均丢包的多传感器随机不确定系统的最优线性估计

  2. 最优线性估计器（OLE）专为具有随机性的网络控制系统（NCS）设计不确定性，多个传感器和多个丢包率。 从传感器到估算器（SE）和从控制器到执行器（CA）都应考虑在内。 一群互相服从伯努利分布的不相关随机变量用于描述现象来自不同S–E通道的多个数据包丢失情况。 状态和产出的随机不确定性矩阵由白色乘法噪声表示。 取决于丢包率的OLE是通过正交投影方法（OPA）以最小均方（LMS）表示通用且有用的工具，可以从LMS的角度获得最佳线性估计量。 他们由三个解决递归方程，包括一个Riccati方程，一个Ly

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：131072
    • 提供者：weixin_38680764

  1. 具有低成本信道状态估计的自适应可靠传输调度

  2. 提出了一种基于信道状态低成本估计的自适应可靠的无线传感器网络传输调度算法，以共同优化超帧长度和可靠性。 我们建立了一个分层的调度框架，其中包括全局集中式时隙调度（GCTS）和本地分布式信道调度（LDCS）。 一方面，GCTS旨在保证时隙分配的全局最优性，其间建立数学可靠性模型以避免资源浪费并提高传输可靠性。 另一方面，LDCS根据实际的电磁环境分配信道资源。 在LDCS期间，通过动态编程方法建立信道模型，并同时考虑了探测成本和信道质量，从而减轻了不确定性和时变干扰，并克服了传统方法的盲目性。 与

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：220160
    • 提供者：weixin_38688745

  1. 基于状态估计的动态环境持续监控问题路径规划

  2. 本文为动态规划持续监控问题提出一个最优控制问题框架，目的是通过控制多智能体系统的运动，最小化一个目标函数，这个目标函数与动态环境中有限个固定目标的状态估计误差有关。经最优控制理论分析，一维问题的最优解是，每一个移动智能体以全速从一个转折点运动到下一个转折点，在转向前可能在每个转向点停留一段时间。因此，问题转化为一个参数优化问题：确定一列转折点位置和每个移动智能体在各转折点相应的停留时间。建立一个混合系统并用无穷小扰动分析方法分析此系统。通过一个基于梯度的算法得出一个完整求解数值解的优化算法。为解

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：843776
    • 提供者：weixin_38712908

  1. 基于高阶UKF的高斯和滤波器动态状态估计算法

  2. 在这项工作中，我们考虑了非线性/非高斯系统中的状态估计问题。 本文基于高阶无味卡尔曼滤波器（HUKF），开发了一种新的高斯和估计算法。 针对HUKF，提出了一种sigma点选择方法，高阶无味变换（HUT）技术，该方法可以更精确地近似高斯分布。 我们介绍了高斯滤波器的系统公式，并开发了最优滤波器的高效和准确的数值积分。 然后，我们继续将HUKF的使用扩展到具有加性（可能是非高斯）噪声的离散时间非线性系统。 所得的滤波算法称为高斯和高阶无味卡尔曼滤波器（GS-HUKF），将预测和后验密度近似为有限数

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：11264
    • 提供者：weixin_38522029

  1. 离散时间随机奇异系统的最优和自调谐融合卡尔曼滤波器

  2. 基于线性最小方差意义上标量加权的最优融合估计算法， 提出了一种基于标量加权的分布式最优融合卡尔曼滤波器。 具有多个传感器和相关噪声的奇异系统。 过滤误差的互协方差矩阵在任何两个传感器之间得出。 当噪声统计信息未知时， 提出了基于相关函数和加权平均法的辨识方法。 此外，给出了分布式自调谐融合滤波器，其中包括两级融合，其中第一级融合用于识别噪声协方差，第二阶段融合用于获得噪声融合状态过滤器。 仿真结果验证了所提算法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：225280
    • 提供者：weixin_38714509

  1. 基于异步多传感器采样量测的最优状态融合估计

  2. 针对一类异步多传感器采样系统,在对量测方程形式统一描述的基础上,给出以采样量测顺序为基准的序贯滤波算法的基本思想;为了避免现有右同步提升技术所可能引发的系统非因果这一重要问题,选择将融合周期内所有异步采样量测进行左同步提升,并发展了一种集中式最优状态融合估计算法,同时从理论上严格证明了基于左、右同步提升技术的融合估计算法在精度上的等价性;将三种融合估计算法对两个多速率采样系统进行仿真比较,在验证三种算法估计精度相同的同时,还对三种算法计算代价进行了分析和比较.相关结论对异步多传感器各最优状态估计

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：396288
    • 提供者：weixin_38557757

  1. 不确定无序量测系统的最优网络化状态估计

  2. 本文以线性时不变或系统参数预先确定的单传感器系统为对象, 研究带有不确定随机无序量测约束下的最优网络化估计问题. 基于线性时不变或参数预先确定系统的滤波器系数矩阵离线计算和线性最小方差估计的线性加权求和特性, 首先介绍传统Kalman 滤波的等价测量值加权求和形式. 然后, 以该测量值加权求和滤波器为基础,结合布尔二值开关和无序量测直接求和补偿技术, 针对两种典型无序量测跟踪系统分别设计全局最优网络化Kalman滤波器. 最后, 四个仿真例子验证了本文算法的有效性和优越性.

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：1048576
    • 提供者：weixin_38727825

  1. 广义系统最优与自校正信息融合滤波器

  2. 对带多个传感器广义离散随机线性系统,利用典范型分解,基于线性最小方差各分量按标量加权融合算法,给出了多传感器分布式最优分量融合降阶滤波器,它要求并行计算一系列标量权重。推得了任两个传感器子系统之间的滤波误差互协方差阵的计算公式。同时当系统含有未知噪声统计信息时,基于相关函数又给出了分布式自校正分量融合降阶滤波器。与各局部估计以及状态向量按标量加权融合估计相比,分量融合滤波具有更高的精度。仿真研究验证了其有效性。

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：185344
    • 提供者：weixin_38717574

  1. 多传感器时滞系统信息融合最优Kalman滤波器

  2. 基于线性最小方差最优加权融合估计算法,对多传感器的离散线性状态时滞随机系统.给出了一种非增广分布式加权融合最优Kalman柚滤波器.推导了状态时滞系统任两个传感器子系统之间的滤波误差互协方差阵的计算公式.它与状态增广加权融合滤波器具有相同的精度.与每个传感器的局部滤波器相比,分布式融合滤波器具有更高的精度.与状态和观测增广最优滤波器相比,具有较小的精度,但避免了增广所带来的高维计算和大的空间存储。可减小计算负担.仿真例子验证了其有效性.

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：460800
    • 提供者：weixin_38747592
« 12 3 4 5 6 7 8 »