非高斯滤波程序，主要为非线性非高斯结构识别程序
上传时间： 2014-01-08
上传用户：teddysha
UKF滤波方法，改方法比传统的卡尔曼滤波相比，主要是解决非线性问题
上传时间： 2015-11-05
上传用户：yzy6007
国外一款非线性估计的工具箱，粒子滤波、UKF、EKF等应有尽有。
上传时间： 2015-11-06
上传用户：talenthn
随着这些年计算机硬件水平的发展, 计算速度的提高, 源自序列蒙特卡罗方法的蒙特卡罗粒子滤波方法的应用研究又重新活跃起来。本文的这种蒙特卡罗粒子滤波算法是利用序列重要性采样的概念, 用一系列离散的带权重随机样本近似相 应的概率密度函数。由于粒子滤波方法没有像广义卡尔曼滤波方法那样对非线性系统做线性化的近似, 所以在非线性状态估计方面比广义卡尔曼滤波更有优势。在很多方面的应用已经逐渐有替代广义卡尔曼滤波的趋势。
上传时间： 2014-09-10
上传用户：671145514
本文的题目是改进的粒子滤波在组合导航中的应用研究。文档可用caj打开。 本课题首先研究了GPS/DR车载定位系统的组合模型，然后在分析了非线性滤波的基础上，引入了粒子滤波。粒子滤波是一种基于递推计算的序列蒙特卡罗算法，它采用一组从概率密度函数上随机抽取的并附带相关权值的粒子集来逼近后验概率密度，从而不受非线性、非高斯问题的限制。虽然粒子滤波存在诸多优点，然而它仍然存在诸如粒子数匿乏、滤波性能不高、实时性差等问题。
上传时间： 2013-12-19
上传用户：zhangliming420
粒子滤波算法受到许多领域的研究人员的重视，该算法的主要思想是使用一个带有权值的粒子集合来表示系统的后验概率密度。在扩展卡尔曼滤波和Unscented卡尔曼滤波算法的基础上，本文提出一种新型粒子滤波算法。首先用Unscented卡尔曼滤波器产生系统的状态估计，然后用扩展卡尔曼滤波器重复这一过程并产生系统在k时刻的最终状态估计。在实验中，针对非线性程度不同的两种系统，分别采用五种粒子滤波算法进行实验。结果证明，本文所提出算法的各方面性能都明显优于其他四种粒子滤波算法。
上传时间： 2013-12-24
上传用户：hzy5825468
计算脑电信号非线性参数，心电信号分析与滤波以及去基线漂移
上传时间： 2016-04-18
上传用户：笨小孩
粒子滤波的MATLAB程序，是当今最新的非线性滤波算法
上传时间： 2016-04-20
上传用户：yuzsu
使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。
上传时间： 2014-01-17
上传用户：851197153
有关Bayes滤波的matlab程序，主要用于非线性非高斯系统的滤波处理
上传时间： 2013-12-27
上传用户：skfreeman
