数据融合matlab代码advanced_kalman_filter
使用扩展卡尔曼滤波器的传感器融合（LIDAR
/
RADAR）
这是Udacity的自动驾驶汽车纳米学位的第2项/第1项。
目录和文件
src包含代码（在C
++中）。
main.cpp
：连接到模拟器的主要代码，从../data/obj_pose-laser-radar-synthetic-input.txt读取输入，执行ProcessMeasurement()
（请参见下文），并计算和输出均方根误差（估计值（由卡尔曼滤波器计算得出）与地面真实性（数据文件中提供）的RMSE）。
该代码完全由Udacity提供。
FusionEKF.cpp
/
FusionEKF.h
：使用ProcessMeasurement()方法定义Fusion
Extended
Kalman
Filter类，该类将kalman_filter类的实例，并调用Predict()和Update()
/
UpdateEKF()方法。
kalman_filter.cpp
/
kalman_filter.h
：定义FusionEKF::ProcessMe
2021-08-06 20:25:24
3.18MB
1
本文总结了线性/非线性和离散/连续卡尔曼滤波的公式，可根据所研究系统方程的形式进行相应的选择。同时，附上了将UKF应用于目标跟踪中的一个Matlab仿真程序，供更好地理解UKF。
2021-08-06 19:13:22
4.18MB
1
作为一种全新的动态变形监测方法,GPS具有独特的优越性,它克服了传统的动态变形监测方法精度、实时、同步无法保证的缺陷,且提高了精度和实时性。本文基于载波相位三差观测值,采用卡尔曼滤波的数据处理方法,详细推导了利用GPS观测值实现动态变形监测的数学模型。
2021-08-06 15:05:32
600KB
1
自适应卡尔曼滤波 Adaptive Kalman Filter，是指在利用测量数据进行滤波的同时，不断地由滤波本身去判断系统的动态是否有变化，对模型参数和噪声统计特性进行估计和修正，以改进滤波设计、缩小滤波的实际误差。此种滤波方法将系统辨识与滤波估计有机地结合为一体。
2021-08-05 17:21:49
4KB
1
为了提高末制导段雷达与红外复合导引头的跟踪精度，论文提出了一种融合跟踪方法。该方法首先将雷达与红外传感器观测到的目标距离、角度等信息进行融合，并将融合后的新观测信息作为雷达与红外传感器的输入，然后分别运用无迹卡尔曼粒子滤波算法对目标状态进行初估计，将各自得到的目标状态估计采用协方差加权融合的方法进行融合，最后得到目标最终的状态估计。结果表明，该方法能有效提高复合导引头对目标的跟踪精度。
2021-08-05 13:21:03
807KB
1