这是在能源控制中心运行的状态估计模块的缩小版本。 它具有以下特点： (1) 输入测量重量的选项(2) 加权最小二乘估计的实现 功能缺失： (1)不良数据识别

无线移动通信系统的信道估计算法研究.doc

压缩包里包括一个matlab主代码和电流电压数据，SOC-OCV拟合数据，二阶锂电池的R0、R1、R2、C1、C2参数数据，将数据导入工作空间即可完美运行代码，使用无迹卡尔曼滤波估计SOC，最后的估计结果与安时积分法进行对比，给出两张对比图。。代码里有清晰的备注，方便二次修改。代入你自己的电流电压数据即可，此代码是经过测试后百分比成功运行的，适合新手及有一定基础的开发人员。。

一种经典的基于L1范数的稀疏重构算法，进行DOA估计，在信噪比低及信号相距很近时同样具有很好的效果，需要matlab中的凸优化工具箱，安装地址及教程可参考https://blog.csdn.net/summer15407901/article/details/104274177?ops_request_misc=&request_id=&biz_id=102&utm_term=%E5%87%B8%E4%BC%98%E5%8C%96%E5%B7%A5%E5%85%B7%E7%AE%B1&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-9-104274177.142^v10^control,157^v12^control&spm=1018.2226.3001.4187

现代控制理论课程设计：三种加权多传感器最优信息融合准则 矩阵加权、对角阵加权、标量加权 多传感器信息融合最优Kalman估值器 Kalman滤波器 Kalman预报器 多传感器信息融合稳态Kalman估值器 稳态Kalman滤波器 稳态Kalman预报器

贝叶斯估计与跟踪实用指南英文版 近年出版的书，滤波算法比较全

请引用这些论文： [1] S. Mukherjee和R. Guddeti，“使用加速框架在立体图像中基于深度的选择性模糊”，Springer-Verlag杂志“ 3D研究”，第1卷。 5，没有。 2014 年 3 月。 [2] S. Mukherjee 和 R. Guddeti，“基于立体视觉的稀疏视差估计的视差计算混合算法”，IEEE 第 10 届信号处理和通信国际会议 (SPCOM)，2014 年 7 月。 我的算法采用了一种快速的混合方法（基于块和区域的混合）从校正后的立体图像对进行立体视差估计。 对于来自 Middlebury 立体视觉数据集的三个标准基准图像（Tsukuba、Sawtooth 和 Venus），其错误率分别低至 7.8%、5.3% 和 4.7%，尺寸分别为 384x288、434x380 和 434x383 像素。 该算法在具有 Intel i7-2600 CPU

计算机立体视觉是从数字图像中提取 3D 信息。 在传统的立体视觉中，使用两个水平位移的相机以类似于人类视觉的方式获得场景的两个不同视图。 通过比较这两个图像，可以以视差的形式获得相对深度信息map，它对相应图像点的水平坐标差异进行编码。 该视差图中的值与相应像素位置的场景深度成反比。

H264中运动估计算法的研究.ppt

语音共振峰估计、倒谱法共振峰估计、LPC内插法的共振峰估计、LPC求根法的共振峰估计matlab仿真代码