卡尔曼滤波算法

利用 C/A 码进行 GPS 伪距单点定位，是实现 GPS 快速定位的关键，作者研究并采用卡尔曼滤波算法对 GPS 伪距单点定位求解，详细阐述了滤波模型中各种参数的意义和初值的选取。本文利用合肥工业大学 2013 年的观测数据，编写 MATLAB 数据处理程序，并根据实验结果，分析和讨论了卡尔曼滤波算法在伪距单点定位中的优势。

用C++语言实现了卡尔曼的滤波算法，不错的东西，可以借鉴下

利用野火开发板STM32F103VET6 +超声波HC-SR04 完成倒车雷达功能，距离越近蜂鸣器频率越高，距离值通过中值滤波算法，以及卡尔曼滤波算法，算法系数可调，也可用在ADC数据采集滤波上，或者其他原始数据采集上

无人机和车辆行驶等情况下拍摄的视频受外界影响会造成视频抖动。通过对比现有的电子稳像技术，提出了利用FAST获取特征点的位置信息，再通过光流法结合NCC匹配得到参考帧特征点在当前帧的位置信息，在此基础上结合RANSAC算法剔除错误匹配的特征点对的改进算法。为了提高运动矢量估计的精度，应用加权最小二乘法得到相邻帧间的刚性变换矩阵，并经过卡尔曼滤波进行运动平滑得到扫描运动矢量并补偿，最终得到实时的稳定视频。实验表明，视频序列稳像后的帧间变换保真度有所提高，并且能够达到实时处理速度。

自己根据卡尔曼五个经典公式，基于matlab平台编写了最简单和基础的卡尔曼滤波程序，供大家学习

利用纯c语言实现卡尔曼滤波，已通过编译，可以完美出结果。

R2018a版本的 kalman滤波的一个基础仿真

2、新息过程 考虑一步预测问题，给定观测值y(1), ...，y(n-1)，求观测向量y(n)的最小二乘估计，记作 （1）、新息过程的性质 y(n)的新息过程定义为： 式中，N 1向量 表示观测数据y(n)的新的信息，简称新息。

为了解决由多个电池单元组成的大容量电池储能阵列系统(BESAS)的优化运行问题，提出了一种基于分布式模型预测控制的加权一致性算法。首先，介绍了含风电场BESAS的构成，将多个电池储能单元划分为充电组和放电组，通过制定合理的组间协调策略，在不影响BESAS额定功率的前提下，提高储能系统的容量利用率和减少充/放电转换次数；然后，详细地介绍了所提分布式算法的计算过程，并将该算法应用于BESAS的分组控制过程，实现兼顾电池单元安全运行的功率自适应分配；最后，通过算例从算法性能和BESAS控制性能2个方面进行仿真验证，结果表明所提算法和分组控制策略在鲁棒性和控制效果方面均具有一定的优势和可行性。