目标跟踪问题的应用背景是雷达数据处理，即雷达在搜索到目标并记录目标的位置数据,
对测量到的目标位置数据（称为点迹）进行处理，自动形成航迹，并对目标在下一时刻的位置进行预测。
下文简要讨论了用Kalman滤波方法对单个目标航迹进行预测，并借助于Matlab仿真工具，对实验的效果进行评估。
2020-01-10 03:06:43
119KB
1
卡尔曼滤波经典论文，卫星姿态控制大牛Landis Markley发表的卡尔曼滤波在卫星姿态控制应用的论文，学习卡尔曼滤波算法很好的参考资料！
2020-01-03 11:20:52
925KB
1
带高斯白噪声的Kalman滤波Matlab代码，每一步都有详细的注释，和kalman滤波的五个公式对应。并有高斯白噪声的产生函数，function G = CreateGauss(E,D,M,N) %产生均值为E,方差为D,MxN的高斯白噪声矩阵
2019-12-30 03:01:27
1KB
1
clear all
N=100;
T=4*pi/N;
t=0:4*pi/N:4*pi-T;
w=2*pi/(24*3600);
X1=zeros(15,N);
X2=zeros(15,N);
L=zeros(6,N);
X2(:,1)=[1,0,0,0,0,0,0,0,0,0,0,0,0,0,0]
X1(:,1)=X2(:,1);
E=eye(15);
W=[0 -w 0;w 0 0;0 0 0];
A=zeros(15,15);
A(1:3,4:6)=eye(3);
A(4:6,4:6)=-2*W;
A(7:9,7:9)=-W;
for i=10:12
A(i,i)=-1/7200;
end
for i=13:15
A(i,i)=-1/1800;
end
A=eye(15)+A*T+A*A*(T.^2)/2;
Z1=zeros(15,15);
Z2=eye(15);
R=eye(6);
Q=zeros(15,15);
Q(15,15)=1;
K=zeros(15,6);
H=zeros(6,15);
for i=1:6
H(i,i)=1;
end
for i=1:N
L(:,i)=zeros(6,1);
L(1,i)=randn(1);
end
for i=2:N
X1(:,i)=A*X2(:,i-1);
Z1=A*Z2*A'+Q;
K=Z1*H'*inv(H*Z1*H'+R);
X2(:,i)=X1(:,i)+K*(L(:,i)-H*X1(:,i));
Z2=[E-K*H]*Z1;
end
plot(t,L(1,:),'g*');
hold on;
plot(t,X1(1,:),'r*');
2019-12-21 22:14:53
805B
1
本文详细解释了kalman滤波在加速度计、陀螺仪滤波应用，其中包括，对C源程序的由来，进行了详细的解释和标注。
Kalman滤波 建模分析 惯性导航 C源程序
2019-12-21 22:09:01
244KB
1
IDL code , which is based on Kalman filter theory and can be used to aquire optimum LAI value from forecast value and observation value
2019-12-21 22:07:04
2KB
1
Kalman滤波在船舶GPS导航定位系统中的应用的MATLAB程序，用卡尔曼滤波进行滤波，得到真是轨迹、滤波轨迹和预测轨迹。
2019-12-21 21:48:42
2KB
1