自适应鲁棒性卡尔曼滤波算法在卫星姿态估计中的应用

卡尔曼滤波器是一种常用于估计、跟踪与预测的算法，而在噪声处理中，它也能够发挥优秀的作用。本文将介绍利用卡尔曼滤波器处理噪声所采取的方法与技巧，并且结合案例来详细阐述其在实际应用中所取得的效果。

为了解决真实场景下视频目标的跟踪问题, 提出一种基于特征自适应选择的鲁棒跟踪算法. 首先, 针对在线AdaBoost 算法特征池特征鲁棒性差的问题, 提出一种基于颜色与金字塔梯度方向直方图特征相结合的

针对全球定位系统(GPS)信号定位过程中存在多径导致定位误差,尤其静态环境中零频差短多径引发的定位拖尾现象,提出了一种自适应估计多径残留的扩展卡尔曼滤波算法,实现了静态环境中零频差短多径抑制。首先量化

论述了自适应滤波器的工作原理,介绍了传统的LMS算法原理,叙述了改进性LMS算法的种类及比较"介绍LMS算法在噪声对消中的应用"

鲁棒自适应控制matlab仿真 以及实例

卡尔曼滤波算法是现阶段雷达信号处理中最常用的跟踪算法

卡尔曼滤波的算法程序 希望对研究定位算法的朋友有帮助!

自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一。寻求收敛速度快,计算复杂度低,数值稳定性好的自适应滤波算法是研究人员不断努力追求的目标。本文主要对自适应算法进行了研究,其内容概括如下

为了克服Kalman滤波和Sage自适应滤波的缺点,在分析基于新息向量、残差向量和状态改正数向量的自适应协方差估计存在问题的基础上,提出根据新息向量、残差向量和状态改正数对滤波精度影响的不同程度,采用

MATLAB实现的卡尔曼滤波算法function[SlipL1Flag,SlipL2Flag,SlipL1,SlipL2,dN,dN_LG,statX,statP]=CycleSlipDetecti