遗传算法来源于进化论和群体遗传学，是计算智能的重要组成部分，正受到众多学科的高度重视，本代码是遗传算法的Matlab实现。

主要介绍了Java大文件上传详解及实例代码的相关资料,需要的朋友可以参考下

这个程序实现了DES和RSA的加解密。采用VC的对话框界面，非常直观好用。

该文件比较了卡尔曼滤波器的三个不同版本。 卡尔曼滤波器用于递归参数估计。 卡尔曼滤波器可以处理噪声测量。 第一个实现的滤波器 (fcn_KF) 是具有标准的卡尔曼滤波器更新协方差矩阵 P。 协方差矩阵反映了预测的不确定性。 为了提高数值稳定性，Potter 开发了一个协方差矩阵 P 的平方根更新 (fcn_KF_SRP)。 另一个版本是平方根协方差更新通过三角化 (fcn_KF_SRT)。 该文件生成一个模型。 然后三个卡尔曼滤波器执行一个模型参数的估计。 最后比较结果。 资料来源： Simon, D. (2006)：最佳状态估计 Kaminski, P. (1971)：离散平方根滤波：当前技术概览 Golub, G. (1996)：矩阵计算

针对已有基于Sigma 点信息滤波的分布式滤波算法, 其性能易受参数影响而导致应用范围受限的问题, 以容积卡尔曼滤波(CKF) 为基础, 利用信息滤波和平均一致性理论提出一种分布式CKF 算法. 该算法在保持分布式滤波优良特性(即可扩展性和对节点故障强鲁棒性) 的同时, 兼具CKF 的高滤波精度和强稳定性. 仿真结果表明了所提出算法的有效性, 与分布式Unscented 卡尔曼滤波(UKF) 算法相比, 该算法显著提高了目标跟踪的精度和稳定性.

GPS接受机中的卡尔曼滤波MATLAB代码

主要为大家详细介绍了运动检测ViBe算法python实现代码，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

基于盲检测器的新典范表示形式，提出了一种多径信道下CDMA系统的盲多用户检测器。该检测器使用了一种改进的自适应卡尔曼滤波算法，它在进行状态滤波的同时，在线估计时变的未知噪声统计特性，提高了算法的滤波精度，确保了算法收敛于期望用户。仿真表明，对比原有的随机梯度（LMS）算法，该算法的收敛、跟踪性能更好，且误码率减小了18.7%。

弱GNSS信号跟踪技术是卫星导航接收机关键技术之一,跟踪技术的好坏将直接影响卫星导航接收机在弱信号条件下的跟踪性能;在动态环境和先验信息不充分的情况下,由于扩展卡尔曼滤波(EKF)的固定设计使其不能满足要求,针对此不足引入一种自适应扩展卡尔曼滤波(AEKF)的信号跟踪算法;该自适应滤波算法能够实时监测残差或滤波器新息的动态变化,来修正观测噪声方差和状态噪声方差,以此调整滤波器增益,观测值和控制预测值在滤波结果中的权重;理论分析和结果表明,该算法能够充分利用观测信号的统计特性,克服了传统EKF算法不足,获得更好的跟踪性能。

BP算法的C语言实现代码，初始化，训练，全局误差判断