最优状态估计 卡尔曼H∞及非线性滤波

比较了扩展卡尔曼滤波定位误差和卡尔曼定位误差的区别

matlab卡尔曼滤波和扩展卡尔曼滤波(KF&EKF)例程,可供学习参考使用,谢谢! 希望能帮到你。。。。。。。。。。。

传统单一线性或非线性滤波方法往往难以获得最优线性/非线性混合动态系统状态估计,针对这一问题,结合卡尔曼滤波(KF)方法可获得线性状态估计最优解、计算量小等优势,提出了一种基于KF和扩展容积卡尔曼滤波(

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

matlab开发-非线性状态平面模型的估计。具有状态相关噪声的非线性状态空间模型的鲁棒估计。

含有迟滞Hammerstein系统的非光滑卡尔曼状态估计

针对压缩感知中时变稀疏信号的重建问题,提出一种基于自适应线性预测的卡尔曼滤波恢复算法.该算法采用滑动窗口对信号进行观测,基于前后窗信号之间的相关性并利用自适应线性预测方法,建立前后窗口信号的状态转移方

稳定性和安全性作为汽车设计和规划的两大要素,与车辆的状态参数估算密切相关,其中最直接的就是关于如何精确估算行驶过程中的路面附着系数。在Kalman滤波算法基础之上,本文针对汽车的强非线性特性运用无迹卡

研究了一种基于卡尔曼(Kalman)滤波的OFDM时变信道估计与跟踪问题。首先建立时变多径信道的状态方程和测量方程,然后将信道冲击响应近似为一个低阶自回归滑动平均过程,利用导频的先验信息估计出Kalm

卡尔曼滤波系统噪声估计方法研究，付新川，邝育军，卡卡尔曼滤波要达到最好效果需要准确的噪声统计信息，在噪声参数估计错误的情况下，所求出的滤波增益就不能使定位误差达至最优，