包含基本原理
查表发
基于状态估计和参数辨识方法
直流电阻法
基于交流阻抗谱的方法
利用传递函数直接计算
全篇总结
2022-10-14 09:05:12
706.82MB
1
卡尔曼滤波与状态估计例题python实现
关于卡尔曼滤波的原理这里就不赘述了，很多大佬说的很棒，这里就把网课上看到的例题在这里做一下
巩固一下
卡尔曼滤波的两个步骤
预测更新（Predict):
预测状态量：
x^=(t∣t−1)=A~x(t−1)+Bu(t)\hat x=(t|t-1)=\widetilde{A}x(t-1)+Bu(t)x^=(t∣t−1)=Ax(t−1)+Bu(t)
预测误差协方差矩阵：
P(t∣t−1)=AP(t−1)AT+QP(t|t-1)=AP(t-1)A^T+QP(t∣t−1)=AP(t−1)AT+Q
测量更新（Correct）:
最优估计状态量：
x~(t)=x^
2022-10-11 09:06:29
114KB
1
1986年Smith, Randall C与Chessman, Peter发表的关于SLAM的第一篇论文。
2022-08-26 18:14:43
1.16MB
1
视频包含 7 个视频教程，详细介绍使用卡尔曼滤波器的常见场景，包括：
1.为什么使用卡尔曼滤波器？
2.了解卡尔曼滤波器——状态观测器
3.了解卡尔曼滤波器——最优状态估计
4.了解卡尔曼滤波器——最优状态估计算法和方程
5.了解卡尔曼滤波器——非线性状态估算器
6.在 Simulink 中使用卡尔曼滤波器
7.在 Simulink 中使用扩展卡尔曼滤波器
对卡尔曼滤波器的原理与应有有很大帮助！！！！
2022-08-14 16:56:20
113.21MB
1
格文斯
GVINS：紧密耦合的GNSS-视觉-惯性融合，用于平稳一致的状态估计。
GVINS是一个基于非线性优化的系统，该系统将GNSS原始测量结果与视觉和惯性信息紧密融合在一起，可进行实时和无漂移状态估计。 通过合并GNSS伪距和多普勒频移测量，GVINS能够在复杂环境中提供平稳且一致的6自由度全局定位。 系统框架和VIO部分改编自 。 我们的系统包含以下功能：
ECEF帧中的全局6自由度估计；
多星座支持（GPS，GLONASS，Galileo，北斗）；
在线本地-ENU帧对齐；
GNSS不友好甚至是GNSS被拒绝的地区的全球姿态恢复。
1.先决条件
1.1 C ++ 11编译器
该软件包需要C ++ 11的某些功能。
1.2活性氧
该程序包是在环境下开发的。
1.3本征
我们的代码使用进行矩阵处理。
1.4立方米
我们使用 1.12.0来解决非线性优化问题。
1.5 gns
2022-08-02 16:23:17
2.9MB
1
永磁同步电机PMSM仿真，永磁同步电机负载状态估计(龙伯格观测器,离散连续各种卡尔曼滤波器),矢量控制,坐标变换，英文论文复现，含中文。该文档介绍了所使用的系统模型､参数和负载观测器｡使用的观测器是Luenberger观测器和各种不同形式的卡尔曼滤波器｡然后将估计的信号用于前馈负载转矩补偿,以增强系统的瞬态响应｡
2022-07-26 11:06:32
45.82MB