虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

离散卡尔曼滤波

  • UKF,EKF,PF

    卡尔曼滤波的程序,里面有跟踪点的,算法有UKF,EKF,PF,蛮好用的。。。。。。。。

    标签: 卡尔曼滤波

    上传时间: 2016-04-10

    上传用户:roy0924

  • 锂电池SOC估算

    基于扩展卡尔曼滤波实现的锂电池SOC估算

    标签: SOC 锂电池

    上传时间: 2017-05-10

    上传用户:到底奚不奚

  • PMSM控制

    PMSM入门必看!!!!!!!!!!1,卡尔曼滤波无位置传感器控制

    标签: PMSM 控制

    上传时间: 2017-07-18

    上传用户:MIAOMAOYU

  • UKF应用于GPS-IMU组合导航系统的MATLAB代码

    无迹卡尔曼滤波UKF在组合导航中应用的MATLAB仿真代码

    标签: GPS-IMU MATLAB UKF

    上传时间: 2017-12-29

    上传用户:007amw

  • 卡尔曼滤波及其实时应用第4版

    该书由美国Charles.K.Chui,中国GuanRong Chen 著,清华大学出版社出版。

    标签: 卡尔曼滤波

    上传时间: 2021-01-27

    上传用户:

  • 一种通用微型飞行控制器设计 105页

    一种通用微型飞行控制器设计 105页摘 要 微小型无人机(Micro/Mini UnmannedAerial Vehicle,M【,AV)在现代军事和国民经济中发 挥着越来越重要的作用。飞行控制器是无人机系统的核心,它自动采集无人机的各种飞行参数, 输出舵面/油门指令以控制无人机的姿态和轨迹,使无人机能在没有人工操纵干预的情况下自主 飞行,完成预定的任务。因此,研制高性能的飞行控制器对改善无人机的飞行性能以及提高任 务完成效率都具有重要的意义。 本文着重研究一种通用微型飞行控制器(General Micro Flight Controller,GMFC),以适用 于小型/微型固定翼飞行器、旋翼飞行器、飞艇以及移动机器人的控制。论文的主要工作涉及 GMFC的硬件设计与软件实现,具体内容包括: 1)分析了微型飞行控制器在国内外的研究现状和发展趋势,根据任务需求和设计指标确定 一种通用型、微型化、低功耗、高性能、低成本的嵌入式微型飞行控制器的整体方案。 2)设计了基于ARM的通用微型飞行控制器的硬件系统,包括主控模块、惯性测量单元、 静压高度计、遥控信号接收单元、数据通信模块、电源模块、附加传感器模块等;完成了整个 控制器的PCB制作以及对所有电路的调试工作,使得系统运作正常。 3)研究了基于卡尔曼滤波算法的姿态参考系统,并对姿态参考系统的静态性能和动态性能 进行测试。 4)设计了小型四旋翼飞行器本体平台并对其进行动力学建模仿真; 5)在此基础上,结合四旋翼飞行器试验平台设计了飞行控制律,开发了GMFC的软件系 统,并开展物理实验验证。

    标签: 飞行控制器

    上传时间: 2022-03-15

    上传用户:zhaiyawei

  • 同源多传感器加权数据融合算法的研究

    在工业应用中常用一组传感器对问一个被测量目标在一个过程的不同位置进行测量,然而由于每个传感器位于过程的不同位置,它们将不问程度的受到嗓声的干扰,为了从被嗓声干扰的多传感器测量值中获得更准确的测量结果,霱要进“步研究多传感器的融合理论多传感器数据融合系统的关键在于如何充分利用各个传感器的信息,得到对被测参数的最优估计,本文主要研究了以加权的方式进行多传感器数据融合的方法,即研究如何对每个传感器进行加权,从而得到对被测参数最优佑计的方法为此本文在介绍了多传感器数据融合技术的基础上,首先研究了基于奇异值分解的数据融合算法,通过对传感器测量值构成的矩阵进行奇异值分解,利用每个传感器测量值所对应的奇异值,可以估计出对每个传感器权值的最优估计,从而在不要任何先验知识的条件下,可仅由多传感器的测量值,利用提出的算法得到在最小均方误差意义下的被测参数的最优估计,此外,在许多工业过程中,人们利用多传感器测量同一过程参数以控制该参数在过程中的不同位置能根据需要进行合理分布,此时人们希望利用多传感器融合的测量结果,对每一个传感器的测量数据进行重建,以获得对每一个传感器的测量结果进行更为准确的估计。为此,本文进一步研究了基于小波降噪和数据融合的传感器数据重建算法,仿真和实验结果都说明提出算法是有效的,最后,研究了非线性动态系统的状态融合问题,研究了加权无气味卡尔曼滤波(UKF)方法,研究表明无气味卡尔曼波波能克服了扩展卡尔曼滤波(EKF)在状态融合估计中的不足,可以得到了更准确的状态融合估计结关键词多传感器系统,数据融合,奇异值分解,UKF

    标签: 传感器 数据融合

    上传时间: 2022-03-16

    上传用户:aben

  • S32K144的主从式BMS主控单元设计

    目前电动汽车主要以锂电池作为动力来源,为了提高锂电池的使用时间和安全性,为锂电池提供安全良好的运行环境,电池管理系统应运而生。BMS主控单元基于S32K144汽车级单片机,通过主从式网络控制结构能够对锂电池的各个参数进行采集与分析。采用扩展卡尔曼滤波对电池的荷电状态(SOC)进行估算,克服普通估算方法无法避免电池内阻误差的缺点,通过Matlab/Simulink软件仿真验证可使估算误差达到2%以内。At present,electric vehicles mainly use lithium batteries as the power source.In order to improve the running time and safety of lithium batteries,a safe and good operating environment for power batteries is provided,and a battery management system(BMS) has emerged.The BMS main control unit is based on the S32K144 automotive-grade control chip.Through the master-slave network control structure,it can collect and analyze the various parameters of the lithium battery.The Extended Kalman Filter(EKF) is used to estimate the state of charge(SOC) of the battery,which overcomes the shortcomings of the internal estimation method that cannot overcome the internal resistance error of the battery.It can be verified by Matlab/Simulink software simulation.The estimation error is within 2%.

    标签: s32k144 bms

    上传时间: 2022-03-26

    上传用户:XuVshu

  • 《GPS原理与接收机设计》

    《GPS原理与接收机设计》电子工业出版社——谢钢,很好的接收机书籍。《GPS原理与接收机设计》系统、透彻地阐述了GPS及其接收机设计的各项相关内容,包括GPS信号结构、时空坐标系、测量值、定位原理、卡尔曼滤波、接收机的射频前端、信号捕获和信号跟踪。此外,《GPS原理与接收机设计》还介绍了差分精密定位、GPS与惯性导航的组合和地图匹配三方面GPS应用技术,并对多路径、电磁干扰、互相关干扰、高灵敏度GPS、辅助GPS等关键课题做了论述。《GPS原理与接收机设计》理论分析清晰,实用性强,并且内容力求反映近些年来出现的GPS最新技术和成果。

    标签: gps 接收机

    上传时间: 2022-03-27

    上传用户:qdxqdxqdxqdx

  • 统计信号处理基础 - 估计与检测理论

    《统计信号处理基础:估计与检测理论》是一部经典的有关统计信号处理的权威著作。全书分为两卷,分别讲解了统计信号处理基础的估计理论和检测理论。 第一卷详细介绍了经典估计理论和贝叶斯估计,总结了各种估计方法,考虑了维纳滤波和卡尔曼滤波,并介绍了对复数据和参数的估计方法。本卷给出了大量的应用实例,范围包括高分辨率谱分析、系统辨识、数字滤波器设计、自适应噪声对消、自适应波束形成、跟踪和定位等;并且设计了大量的习题来加深对基本概念的理解。第二卷全面介绍了计算机上实现的最佳检测算法,并且重点介绍了现实中的信号处理应用,包括现代语音通信技术及传统的声呐/雷达系统。本卷从检测的基础理论开始,回顾了高斯、c2、F、瑞利及莱斯概率密度;讲解了高斯随机变量的二次型,以及渐近高斯概率密度和蒙特卡洛性能评估;介绍了基于简单假设检验的检测理论基础,包括Neyman-Pearson定理、无关数据的处理、贝叶斯风险、多元假设检验,以及确定性信号和随机信号的检测。最后详细分析了适合于未知信号和未知噪声参数的复合假设检验。

    标签: 信号处理

    上传时间: 2022-04-14

    上传用户:1208020161