鉴于在高速条件下改进的超扭曲算法存在较高的稳态误差这一难题提出了一种扩展状态的超扭曲滑模控制方案，以实现高精度的快速收敛。 首先建立了超扭曲算法的扩展状态模型，该扩展状态变量可以增强STA的操纵和调节能力，从而可以有效地减小甚至减小滑动变量的稳态误差。消失了。 这样，可以大大提高收敛精度和鲁棒性。 然后通过Lyapunov方法证明了扩展状态超扭曲算法（ESSTA）是渐近稳定的，并通过位置仿真实验验证了其性能。 在直流伺服系统上跟踪。

Neural Network with Extended Kalman Filter

pointcloud_to_laserscan_extended ROS软件包，用于将sensor_msgs / PointCloud2.msg转换为sensor_msgs / LaserScan.msg并传递所需的TF

非Microsoft原生WPF Toolkit Extended，包含完整源代码和示例，有大量控件可供使用，请使用VS2010或以上版本打开。

WPF扩展dll,里面包括了: * BusyIndicator * ButtonSpinner * ChildWindow * ColorPicker * DateTimeUpDown * Magnifier * MaskedTextBox * MessageBox * NumericUpDown * RichTextBox * RichTextBoxFormatBar

WPF自定义控件,完全原创, 采用命令绑定模式,要用分页的地方,只需要继承RepeaterPageViewModel　模型就行了,重用性,可扩展性很高,方便实用,代码包含了:ModelBase类,RelayCommand类,很实用的.还用到了WPFToolkit.Extended.dll做WPF控件. 同行朋友们下载试用后作个评价吧...

用于扩展MonoGame的MLEM库是对MonoGame游戏框架的，它提供了扩展方法，生活质量的改善以及诸如ui系统和易于输入处理的附加功能。 接下来是什么？ 在上获取 在上获取预发行版本 请参阅此存储库中的源代码 请参阅上教程和API文档 查看或上 用MLEM制成 短暂的平台游戏 （） 简短的益智游戏“ （） ，一种等距的生活模拟游戏（ ） 如果您是在MLEM的帮助下创建的游戏，则可以通过在上提交该游戏将其添加到此列表中。 如果其来源是公开的，其他人也可以使用您的项目作为示例！ 画廊 这是一些显示MLEM的功能的图像。 MLEM.Ui正在运行： MLEM的文本格式系统： MLEM之友 还有其他几个与MonoGame和MLEM结合使用的NuGet软件包和工具。 这里是其中的一些： ，一种无需手动向MonoGame Content Pipeline添加资产的工具 ，一

Extended Yale B Databse人脸数据集(已经整理成.mat格式包含标签，可以直接用于分类任务，并且个人配上了数据说明，相信能帮助到大家) 包含一个.mat数据文件，和一个数据说明.m文件

数据融合matlab代码扩展卡尔曼滤波器 在这个项目中，我用C ++语言实现了扩展卡尔曼滤波器。 Udacity提供的模拟器会生成嘈杂的LIDAR和RADAR测量对象的位置和速度测量结果，并使用我的EKF实现，我对LIDAR和RADAR数据进行了传感器融合，以预测对象的位置和速度。 这是显示的EKF地图： 该项目涉及Term 2 Simulator，可以下载 该存储库包含两个文件，可用于为Linux或Mac系统设置和安装。 对于Windows，您可以使用Docker，VMware或什至安装uWebSocketIO。 请参阅EKF项目课程中教室中的uWebSocketIO入门指南页面，以获取所需的版本和安装脚本。 一旦完成uWebSocketIO的安装，就可以通过从项目顶部目录执行以下操作来构建和运行主程序。 mkdir构建 光盘制作 cmake .. 制作 ./扩展KF 可以在此项目的课堂课程中找到设置环境的提示。 请注意，完成该项目所需编写的程序是src / FusionEKF.cpp，src / FusionEKF.h，kalman_filter.cpp，kalman_filter

Extended Kalman Filter（扩展卡尔曼滤波）是卡尔曼滤波的非线性版本。在状态转移方程确定的情况下，EKF已经成为了非线性系统状态估计的事实标准