状态反馈控制及卡尔曼滤波

本书系统介绍了基于状态空间模型的状态反馈及卡尔曼滤波方法,共8章,由三部分组成,第一部分(第1、2章),连续时间状态反馈控制;第二部分(第3～6章),离散时间状态反馈控制;第三部分(第7、8章),卡尔曼滤波。本书介绍了连续系统及离散系统的状态空间模型建模、状态反馈控制器、观测器、干扰抑制及参考信号跟踪的设计...

卡尔曼滤波算法,在锂电池SOC估计中,如何提高估计精度及鲁棒性

这是由于:研究者所提AEKF算法在传统扩展卡尔曼滤波算法引入一种自适应衰减因子,衰减因子仅需加权计算新息协方差矩阵和新息协方差矩阵的迹,没有大幅增加计算量的同时充分强化了现时观测数据的作用,提高了估值精度和算法跟踪性能,但此类滤波算法仍然没有克服卡尔曼滤波对建模误差敏感,建模不精确会导致估计精度大幅降低...

江苏省高等学校重点教材:大气科学中的数学方法(第二版)

即序列同化方法.这部分分别从加权最小二乘的最佳线性无偏估计、贝叶斯条件概率递推估计两个方面转向卡尔曼滤波的介绍,主要涉及经典卡尔曼滤波、扩展卡尔曼滤波以及集合卡尔曼滤波的基本思想和原理、数学形成以及具体实施,阐述了集合卡尔曼滤波算法基于样本空间的降阶优势,在此基础上,矩阵平方根分解的使用...

基于扩展卡尔曼滤波EKF的无感控制+Matlab/Simulink仿真案例

采用向前差分离散化并考虑系统误差与测量误差可得上述表达式的离散形式为:1.2.PMSM基于扩展卡尔曼滤波的状态估计二、Matlab/Simulink仿真分析上图为PMSM基于扩展卡尔曼滤波的无感控制整体框图,为了后续模型生成代码进行工程实现,本示例将控制算法部分单独建模,通过调用控制算法模型进行PMSM的控制。2.1.仿真电路分析为了...

卡尔曼滤波在电容触摸屏坐标定位中的应用

1.2卡尔曼滤波原理卡尔曼滤波是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法。能有效地从一组有限的包含噪声的数据中预测出物体的坐标位置。卡尔曼滤波主要是通过如下五个核心公式迭代得出某一时刻最优估计[9]:

21种数学建模国赛常用方法,附MATLAB代码总结

背景差分法是采用图像序列中的当前帧和背景参考模型比较来检测运动物体的一种方法,其性能依赖于所使用的背景建模技术(www.e993.com)2024年11月19日。背景构建的方法有多种,简单的有均值法、中值法,复杂点的有卡尔曼滤波器模型法、单高斯分布模型法、双高斯分布模型法等,这里我用的是均值法。以下是相应的matlab代码和输出结果:...

计算机视觉中,究竟有哪些好用的目标跟踪算法(上)

生成类方法,在当前帧对目标区域建模,下一帧寻找与模型最相似的区域就是预测位置,比较著名的有卡尔曼滤波,粒子滤波,mean-shift等。举个例子,从当前帧知道了目标区域80%是红色,20%是绿色,然后在下一帧,搜索算法就像无头苍蝇,到处去找最符合这个颜色比例的区域,推荐算法ASMSvojirt/asms(httpsgithub/vojirt/...

这可能是史上最全的Python算法集!

该算法利用扩展卡尔曼滤波器(ExtendedKalmanFilter,EKF)实现传感器混合本地化。蓝线为真实路径,黑线为导航推测路径(deadreckoningtrajectory),绿点为位置观测(如GPS),红线为EKF估算的路径。红色椭圆为EKF估算的协方差。概率机器人学httpprobabilistic-robotics/...

Python配对交易策略Pairs Trading统计套利量化交易分析股票市场|...

这只是算法对交易的冰山一角。这很简单,因为它只处理移动平均线和比率。如果您想使用更复杂的统计数据,请使用。其他复杂示例包括Hurst指数、半衰期均值回归和卡尔曼滤波器等主题。最受欢迎的见解1.R语言对S&P500股票指数进行ARIMA+GARCH交易策略

抢鲜看:《电工技术学报》2021年第11期目次及摘要

提出基于量测量误差协方差次优估计的自适应强跟踪无迹卡尔曼滤波（SEMEC-ASTUKF）的同步相量测量算法。首先根据递归最小二乘法提出一种自适应常值噪声统计估计器提高量测噪声协方差估计精度;然后根据电力信号突变后特征,构建突变检测算法和渐消因子次优估计算法,改善强跟踪无迹卡尔曼滤波（STUKF）算法在高噪声环境下...