改進版多模型卡爾曼濾波論文，能更好的適應非線性場景
標簽： IMM-kalman 濾波
上傳時間： 2019-06-10
上傳用戶：guokai626
#include <stdio.h> #include <stdlib.h> #define SMAX 100 typedef struct SPNode { int i,j,v; }SPNode; struct sparmatrix { int rows,cols,terms; SPNode data [SMAX]; }; sparmatrix CreateSparmatrix() { sparmatrix A; printf("\n\t\t請輸入稀疏矩陣的行數，列數和非零元素個數（用逗號隔開）:"); scanf("%d,%d,%d",&A.cols,&A.terms); for(int n=0;n<=A.terms-1;n++) { printf("\n\t\t輸入非零元素值（格式：行號，列號，值）:"); scanf("%d,%d,%d",&A.data[n].i,&A.data[n].j,&A.data[n].v); } return A; } void ShowSparmatrix(sparmatrix A) { int k; printf("\n\t\t"); for(int x=0;x<=A.rows-1;x++) { for(int y=0;y<=A.cols-1;y++) { k=0; for(int n=0;n<=A.terms-1;n++) { if((A.data[n].i-1==x)&&(A.data[n].j-1==y)) { printf("%8d",A.data[n].v); k=1; } } if(k==0) printf("%8d",k); } printf("\n\t\t"); } } void sumsparmatrix(sparmatrix A) { SPNode *p; p=(SPNode*)malloc(sizeof(SPNode)); p->v=0; int k; k=0; printf("\n\t\t"); for(int x=0;x<=A.rows-1;x++) { for(int y=0;y<=A.cols-1;y++) { for(int n=0;n<=A.terms;n++) { if((A.data[n].i==x)&&(A.data[n].j==y)&&(x==y)) { p->v=p->v+A.data[n].v; k=1; } } } printf("\n\t\t"); } if(k==1) printf("\n\t\t對角線元素的和：:%d\n",p->v); else printf("\n\t\t對角線元素的和為：:0"); } int main() { int ch=1,choice; struct sparmatrix A; A.terms=0; while(ch) { printf("\n"); printf("\n\t\t 稀疏矩陣的三元組系統 "); printf("\n\t\t*********************************"); printf("\n\t\t 1------------創建 "); printf("\n\t\t 2------------顯示 "); printf("\n\t\t 3------------求對角線元素和"); printf("\n\t\t 4------------返回 "); printf("\n\t\t*********************************"); printf("\n\t\t請選擇菜單號（0-3）:"); scanf("%d",&choice); switch(choice) { case 1: A=CreateSparmatrix(); break; case 2: ShowSparmatrix(A); break; case 3: SumSparmatrix(A); break; default: system("cls"); printf("\n\t\t輸入錯誤！請重新輸入！\n"); break; } if (choice==1||choice==2||choice==3) { printf("\n\t\t"); system("pause"); system("cls"); } else system("cls"); } }
上傳時間： 2020-06-11
上傳用戶：ccccy
該書由美國Charles.K.Chui,中國GuanRong Chen 著,清華大學出版社出版。
標簽： 卡爾曼濾波
上傳時間： 2021-01-27
上傳用戶：
一種通用微型飛行控制器設計 105頁摘 要 微小型無人機(Micro／Mini UnmannedAerial Vehicle，M【，AV)在現代軍事和國民經濟中發 揮著越來越重要的作用。飛行控制器是無人機系統的核心，它自動采集無人機的各種飛行參數， 輸出舵面／油門指令以控制無人機的姿態和軌跡，使無人機能在沒有人工操縱干預的情況下自主 飛行，完成預定的任務。因此，研制高性能的飛行控制器對改善無人機的飛行性能以及提高任 務完成效率都具有重要的意義。 本文著重研究一種通用微型飛行控制器(General Micro Flight Controller，GMFC)，以適用 于小型／微型固定翼飛行器、旋翼飛行器、飛艇以及移動機器人的控制。論文的主要工作涉及 GMFC的硬件設計與軟件實現，具體內容包括： 1)分析了微型飛行控制器在國內外的研究現狀和發展趨勢，根據任務需求和設計指標確定 一種通用型、微型化、低功耗、高性能、低成本的嵌入式微型飛行控制器的整體方案。 2)設計了基于ARM的通用微型飛行控制器的硬件系統，包括主控模塊、慣性測量單元、 靜壓高度計、遙控信號接收單元、數據通信模塊、電源模塊、附加傳感器模塊等；完成了整個 控制器的PCB制作以及對所有電路的調試工作，使得系統運作正常。 3)研究了基于卡爾曼濾波算法的姿態參考系統，并對姿態參考系統的靜態性能和動態性能 進行測試。 4)設計了小型四旋翼飛行器本體平臺并對其進行動力學建模仿真； 5)在此基礎上，結合四旋翼飛行器試驗平臺設計了飛行控制律，開發了GMFC的軟件系 統，并開展物理實驗驗證。
標簽： 飛行控制器
上傳時間： 2022-03-15
上傳用戶：zhaiyawei
在工業應用中常用一組傳感器對問一個被測量目標在一個過程的不同位置進行測量，然而由于每個傳感器位于過程的不同位置，它們將不問程度的受到嗓聲的干擾，為了從被嗓聲干擾的多傳感器測量值中獲得更準確的測量結果，霱要進“步研究多傳感器的融合理論多傳感器數據融合系統的關鍵在于如何充分利用各個傳感器的信息，得到對被測參數的最優估計，本文主要研究了以加權的方式進行多傳感器數據融合的方法，即研究如何對每個傳感器進行加權，從而得到對被測參數最優佑計的方法為此本文在介紹了多傳感器數據融合技術的基礎上，首先研究了基于奇異值分解的數據融合算法，通過對傳感器測量值構成的矩陣進行奇異值分解，利用每個傳感器測量值所對應的奇異值，可以估計出對每個傳感器權值的最優估計，從而在不要任何先驗知識的條件下，可僅由多傳感器的測量值，利用提出的算法得到在最小均方誤差意義下的被測參數的最優估計，此外，在許多工業過程中，人們利用多傳感器測量同一過程參數以控制該參數在過程中的不同位置能根據需要進行合理分布，此時人們希望利用多傳感器融合的測量結果，對每一個傳感器的測量數據進行重建，以獲得對每一個傳感器的測量結果進行更為準確的估計。為此，本文進一步研究了基于小波降噪和數據融合的傳感器數據重建算法，仿真和實驗結果都說明提出算法是有效的，最后，研究了非線性動態系統的狀態融合問題，研究了加權無氣味卡爾曼濾波（UKF）方法，研究表明無氣味卡爾曼波波能克服了擴展卡爾曼濾波（EKF）在狀態融合估計中的不足，可以得到了更準確的狀態融合估計結關鍵詞多傳感器系統，數據融合，奇異值分解，UKF
上傳時間： 2022-03-16
上傳用戶：aben
目前電動汽車主要以鋰電池作為動力來源,為了提高鋰電池的使用時間和安全性,為鋰電池提供安全良好的運行環境,電池管理系統應運而生。BMS主控單元基于S32K144汽車級單片機,通過主從式網絡控制結構能夠對鋰電池的各個參數進行采集與分析。采用擴展卡爾曼濾波對電池的荷電狀態(SOC)進行估算,克服普通估算方法無法避免電池內阻誤差的缺點,通過Matlab/Simulink軟件仿真驗證可使估算誤差達到2%以內。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%.
上傳時間： 2022-03-26
上傳用戶：XuVshu
《GPS原理與接收機設計》電子工業出版社——謝鋼,很好的接收機書籍。《GPS原理與接收機設計》系統、透徹地闡述了GPS及其接收機設計的各項相關內容，包括GPS信號結構、時空坐標系、測量值、定位原理、卡爾曼濾波、接收機的射頻前端、信號捕獲和信號跟蹤。此外，《GPS原理與接收機設計》還介紹了差分精密定位、GPS與慣性導航的組合和地圖匹配三方面GPS應用技術，并對多路徑、電磁干擾、互相關干擾、高靈敏度GPS、輔助GPS等關鍵課題做了論述。《GPS原理與接收機設計》理論分析清晰，實用性強，并且內容力求反映近些年來出現的GPS最新技術和成果。
上傳時間： 2022-03-27
上傳用戶：qdxqdxqdxqdx
《統計信號處理基礎：估計與檢測理論》是一部經典的有關統計信號處理的權威著作。全書分為兩卷，分別講解了統計信號處理基礎的估計理論和檢測理論。 第一卷詳細介紹了經典估計理論和貝葉斯估計，總結了各種估計方法，考慮了維納濾波和卡爾曼濾波，并介紹了對復數據和參數的估計方法。本卷給出了大量的應用實例，范圍包括高分辨率譜分析、系統辨識、數字濾波器設計、自適應噪聲對消、自適應波束形成、跟蹤和定位等；并且設計了大量的習題來加深對基本概念的理解。第二卷全面介紹了計算機上實現的最佳檢測算法，并且重點介紹了現實中的信號處理應用，包括現代語音通信技術及傳統的聲吶/雷達系統。本卷從檢測的基礎理論開始，回顧了高斯、c2、F、瑞利及萊斯概率密度；講解了高斯隨機變量的二次型，以及漸近高斯概率密度和蒙特卡洛性能評估；介紹了基于簡單假設檢驗的檢測理論基礎，包括Neyman-Pearson定理、無關數據的處理、貝葉斯風險、多元假設檢驗，以及確定性信號和隨機信號的檢測。最后詳細分析了適合于未知信號和未知噪聲參數的復合假設檢驗。
標簽： 信號處理
上傳時間： 2022-04-14
上傳用戶：1208020161
視覺SLAM十四講一書的草稿版，系統介紹了視覺SLAM（同時定位與地圖構建）所需的基本知識與核心算法，既包括數學理論基礎，如三維空間的剛體運動、非線性優化，又包括計算機視覺的算法實現，例如多視圖幾何、回環檢測等。此外，還提供了大量的實例代碼供讀者學習研究，從而更深入地掌握這些內容。可以作為對SLAM 感興趣的研究人員的入門自學材料，也可以作為SLAM 相關的高校本科生或研究生課程教材使用。 適讀人群 ：本書適合對SLAM感興趣的讀者閱讀，也適合有志于從事計算機視覺、機器人研究等領域的廣大學生閱讀，可作為SLAM技術的入門教材。 SLAM技術是全自動無人駕駛、無人機、機器人等人工智能產品的核心技術之一。 作者是SLAM領域非常杰出的青年專家。 書中不僅有深入淺出的講解，同時注重理論和實踐結合，大大降低了國內學生和相關從業者的進入門檻。 隆重向讀者推薦《視覺SLAM十四講：從理論到實踐》。一方面本書是業界少有的涵蓋從基礎理論到代碼實例，系統性講解SLAM的書；另一方面，本書的作者和地平線頗有淵源，高翔曾經是我們的算法實習生，顏沁睿是自動駕駛算法工程師，都是在SLAM領域非常杰出的青年專家，走在技術實踐前沿。在移動互聯網大潮之后，自動駕駛、無人機、服務機器人等人工智能硬件會成為下一個產業爆發點，其中關鍵的技術之一就是動態定位和環境建模的SLAM技術。本書是國內非常有價值的有關SLAM技術的書籍，適合有志于從事機器人技術的研究生和工程師，一定會讓讀者很有收獲。 ——地平線機器人創始人，中國人工智能學會副秘書長，余凱 我在新加坡和加拿大給學生講視覺SLAM時常常覺得缺乏一本適合初學者的教材。高翔博士的《視覺SLAM十四講：從理論到實踐》從基礎的四元數、李代數講起，涵蓋了卡爾曼濾波、Bundle Adjustment、Pose-Graph等高級優化工具。書中更有zui近十多年成功系統的概述，從2003年的MonoSLAM直到2016年的ORB-SLAM。通篇既有清晰的理論敘述，又輔以大量示例程序，是一本非常好的視覺SLAM教材。 ——加拿大西蒙弗雷澤大學終身教授，譚平 視覺SLAM隨著近年增強現實、無人駕駛等應用的興起而重新獲得重大關注。視覺SLAM屬于計算機視覺和機器人研究的交叉領域，因此涉及的基礎知識廣而分散。國內專門的研究機構相對較少，因此學生入門的門檻較高。幸運的是，本書不僅有深入淺出的講解，同時注重理論和實戰的結合，大大降低了國內學生和相關從業者的進入門檻。因此，本書非常值得初學者學習實踐。 ——網易感知與智能中心增強現實算法架構師，劉海偉 作者的這本書既是通俗有趣的高科技演義，又是足以指導研發實踐的翔實教程，對國內SLAM 界而言可謂意義重大。我甚至發現有不少目前圈內的一流人才都是因為看了本書的早期章節才決定進入這個行業并快速成長起來的。 本書里所涵蓋的知識面、技術細節，甚至是某些寶貴的實踐經驗，對國內剛剛起步的虛擬現實和增強現實（VR/AR）、無人機、無人車、機器人等行業而言，都將產生深遠影響！ ——uSens凌感科技聯合創始人/首席運營官，時馳（Chris）博士
上傳時間： 2022-05-23
上傳用戶：kingwide
如何估計機器人在空間中移動時的狀態（如位置、方向）是機器人研究中一個重要的問題。大多數機器人、自動駕駛汽車都需要導航信息。導航的數據來自于相機、激光測距儀等各種傳感器，而它們往往受噪聲影響，這給狀態估計帶來了挑戰。本書將介紹常用的傳感器模型，以及如何在現實世界中利用傳感器數據對旋轉或其他狀態變量進行估計。本書涵蓋了經典的狀態估計方法（如卡爾曼濾波）以及更為現代的方法（如批量估計、貝葉斯濾波、sigmapoint 濾波和粒子濾波、剔除外點的魯棒估計、連續時間的軌跡估計和高斯過程回歸）。這些方法在諸如點云對齊、位姿圖松弛、光束平差法以及同時定位與地圖構建等重要應用中得以驗證。對機器人領域的學生和相關從業者來說，本書將是一份寶貴的資料。
標簽： 機器人
上傳時間： 2022-05-23
上傳用戶：
