卡尔曼滤波是一种算法,从间接估计系统的状态和不确定的测量。卡尔曼滤波器被广泛用于应用程序如导航、跟踪、控制系统、信号处理、计算机视觉、计量经济学。
您可以使用MATLAB®,仿金宝app真软件®和控制系统工具箱™设计和模拟线性稳态和时变,扩展,和无味卡尔曼滤波,或者粒子滤波算法。看这组例子和代码来了解:
- 卡尔曼滤波:稳态,在MATLAB时变卡尔曼滤波器的设计和仿真
- 使用时变卡尔曼滤波器的状态估计:设计导航和跟踪系统的仿真软件金宝app
- 非线性系统的状态估计与多个多重速率的传感器:对象的位置和速度估计与GPS和雷达传感器操作在不同的采样率
- 非线性状态估计使用无味卡尔曼滤波和粒子滤波:范德堡尔振荡器的非线性状态估计噪声测量
- 降低电池的非线性状态估计系统:无味和基于事件的卡尔曼滤波器设计锂电池的非线性状态估计
- 跟踪机动目标:跟踪滤波器设计使用单一运动和多个运动模型