数据融合matlab代码导航和状态估计
018827-。
教学大纲：导航过滤器，用于IMU初始化的精确方法，卫星系统和惯性导航系统集成，可测量和外部数据的信息融合，行人导航和无陀螺仪导航。
该课程的最后一个项目展示了一个完整的导航解决方案，该解决方案由EKF估计并带有带噪声的IMU和GPS传感器，并在该场景的一系列运动状态和全局状态中被声明为：
与观测值本身正在纠正的位置（z̃_GPS）不同，这里的误差会随着时间的推移而恶化，因为它们会随机行走：
IMU漂移的最终和最重要的表示形式是总体轨迹，其估计路线随时间呈指数级偏离，从GT到GT：
086761-。
教学大纲：惯性和航位推算导航，概率信息融合，视觉辅助导航，同时定位和制图，Imu预集成，视觉惯性束调整，协作导航和猛击（集中式和分布式），活动状态估计和信念空间规划。
作业示范：
086759-。
教学大纲：方向参数化，导航系统中的主要坐标系，不同坐标系之间的3D刚性转换，动力学，惯性传感器，惯性导航方程式，地球模型，传感器误差特性，惯性误差表示，GNSS，Ins-GPS
Ekf概述。
了解惯性导航系统的工作原理和基本方程式。
学习对
2021-12-09 16:59:35
74.57MB
1
白噪声MATLAB代码卡尔曼滤波器
''本项目用matlab代码实现并测试卡尔曼滤波器''
'''文件列表：'''
@kf_modele.m：此处定义的动态系统模型和测量模型。
@kf_predict.m
时间更新
@kf_update.m：测量更新
@kf_ui.fig：matlab中的GUI文件，可以方便的调一些参数，修改测试用例。
@kf_ui.m：GUI
事件响应。
@Exp_oneDim.m：测试用例一。
系统状态是一个常数，测量也是一个带有古斯白噪声的数字。
@Exp_cwpa.m：测试用例二。
系统动态是
CWPA
@exp_measured.m
测试用例三。
使用./data/filter_in.data中IVQ905传感器的真实测量数据来测试KF。
2021-12-04 15:18:57
27KB
1
最近在研究电池SOC，发现有人提出H_∞,发现这篇鲁棒滤波器与Kalman滤波器的对比还不错。有学习电池算法的朋友可以一起多交流，最近在做电池管理系统算法这块，之类就当文献资料中心吧
2021-11-26 10:09:40
264B
1
单个模型无法准确的对物体追踪，利用交互滤波IMM对CV模型和CT模型，实现两种运动的跟踪。
程序可完整运行，内含IMM、CT、CV追踪对比图，均方根图等
2021-11-24 13:23:06
42KB
1
uwb定位matlab代码使用卡尔曼滤波器进行汽车
UWB
定位
使用
UWB
技术和卡尔曼滤波器为车辆应用建模定位
介绍
该存储库包含一个
MATLAB
文件，用于模拟汽车应用的
UWB
定位。
包含的文件vary_anchors_45m.m运行模型。
型号说明
该模型会围绕车辆创建一条圆形路径，供标签遵循。
车辆显示为矩形。
锚点放置在车辆的外部或内部。
锚点的数量可能会改变。
因为这是一个模拟，测量噪声被添加到每个点的距离。
这个噪声是一个随机的高斯变量，方差为
0.5
m^2。
在最小二乘算法中使用从时间步骤k的标签到每个锚点的测量值。
该模型利用
MATLAB
的非线性最小二乘函数之一来创建估计位置。
这个位置就是卡尔曼滤波器中使用的测量向量。
在卡尔曼滤波器之后，LS
估计和卡尔曼估计与原始路径一起绘制。
RMSE
是针对
LS
和卡尔曼滤波器计算的。
如果脚本运行多次迭代，则
RMSE
是这些迭代的平均值。
计算每个时间步长k的平方误差，并根据标签位置与车辆中心的角度进行绘制。
车辆的前部向右（x
增加）。
变量
在这个模型中可以改变很多东西：
迭代次数。
这是变量ite
2021-09-03 12:15:54
4KB
1
功能：扩展卡尔曼滤波EKF的测量更新
% 输入：
% GPSDat——当前时刻GPS定位定速结果，维数：1*7，时刻（s）、位置（m，n0系） 和速度（m/s，n系）；
% MIMURes—— SINS惯导积分解算结果结构体，其元素有：
% MIMURes.MIMUTime 当前时刻 MIMU测量数据的时刻值
% MIMURes.dt 当前时刻积分时间间隔（s）
% MIMURes.Cb2n 当前时刻 MIMU所在载体b系到当地NED n系的方向余弦矩阵
% MIMURes.Qua 当前时刻 n系到 b系的旋转四元数
% MIMURes.Att 当前时刻 n系到 b系的旋转欧拉角（321转序），滚动角、俯仰角、偏航角，量纲：rad ；
% MIMURes.Vel 当前时刻 b系相对于 n系的平动速度，当地北东地坐标系 n系，单位：m/s
% MIMURes.BLH 当前时刻 b系所在位置的大地坐标，纬度(rad)、经度(rad)和高度(m)
% NavEarthPar——与导航相关的地球物理参数结构体，有9个元素：
% NavEarthPar.Grav_n n系中载体所在位置的地球重力加速度矢量（m/s^2）
% NavEarthPar.w_ien e系相对于 i系的旋转角速度矢量在 n系中的值（rad/s）
% NavEarthPar.w_enn n系相对于 e系的旋转角速度矢量在 n系中的值（rad/s）
% NavEarthPar.w_inn n系相对于 i系的旋转角速度矢量在 n系中的值（rad/s）
% NavEarthPar.Rn 载体所在位置地球参考椭球子午圈半径（m）
% NavEarthPar.Re 载体所在位置地球参考椭球卯酉圈半径（m）
% NavEarthPar.CB 载体所在位置大地纬度 B的余弦值
% NavEarthPar.SB 载体所在位置大地纬度 B的正弦值
% NavEarthPar.TB 载体所在位置大地纬度 B的正切值
% ErrState——当前时刻误差状态预报值，15*1数组，数据格式：
% 第1-3行——纬度误差（rad）、经度误差（rad）和高程误差(m)；
% 第4-6行——速度误差(m/s),当地北东地坐标系 n系 ；
% 第7-9行——失准角(rad)，n系至失准后的 n系；
% 第10-12行——陀螺偏差(rad/s)；
% 第13-15行——加表偏差(m/s^2)。
% ErrStateCov—————————当前时刻误差状态预报值协方差矩阵，15x15矩阵，量纲与误差状态ErrState的对应。
% 输出：
% ErrState————————— 当前时刻误差状态测量更新值，15*1数组，数据格式：
% 第1-3行——纬度误差（rad）、经度误差（rad）和高程误差(m)；
% 第4-6行——速度误差(m/s),当地北东地坐标系 n系 ；
% 第7-9行——失准角(rad)，n系至失准后的 n系；
% 第10-12行——陀螺偏差(rad/s)；
% 第13-15行——加表偏差(m/s^2)。
% ErrStateCov————————— 当前时刻误差状态测量更新值协方差矩阵，15x15矩阵，量纲与误差状态ErrState的对应。
2021-09-02 11:06:27
4KB
1