包括matlab代码以及充放电数据

 

针对非线性系统状态估计滤波，有很好的植入性，希望可以帮助到你。

白噪声MATLAB代码过滤器估计 包含估计输入白噪声滤波器脉冲响应的代码。 响应h = inverse(Rxx) * Ryx 。 因为 X 是白人，所以Rxx是托普利茨。 与具有 O(n^3) 复杂性的 Gauss-Jordan 相比，使用具有 O(n^2) 复杂性的 Levinson 算法可以更快地解决涉及 Toeplitz 矩阵的线性系统。 MATLAB 代码使用函数inv 。 python 代码实现了莱文森算法。 附上结果图。 'o' 是实际的。 'x' 是估计值。

1 ．插值问题 ，多项式插值 2 ．会写 Lagrange 插值多项式，理解插值基函数的形式与功能 会用误差公式 3 ．分段线性插值 4 ．分段三次插值和样条，了解两种插值方法需要满足的条件，不要求理解原理和插值 多项式的具体形式和求解方法，要求会用 Matlab 命令实现 5 ．数值积分问题 6 ．梯形公式，辛普森公式，复合梯形公式，复合辛普森公式，上述公式的误差分析 7 插值型求积公式 8 代数精度（理论分析） 9 quad 命令， 自适应步长的复合辛普森公式

山猫飞控的完整版，注意这个飞控是供大家测试和共同探讨用的，要是您想要个能飞的飞控请不要下载了，浪费两分还多条毫无意义的评论没有任何意义。 关联的博客地址： http://blog.csdn.net/lynx2/article/details/9145027

针对常规自适应卡尔曼滤波器存在过渡过程差的间题，基于一个给定的指标切换函数，采用多个基于不同动态噪
声协方差矩阵的卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器.与常规自适应卡尔曼
滤波器相比，多模型自适应卡尔曼滤波器可以在保持原有自适应滤波器性能的基础上极大地改善瞬态响应.

matlab的素描代码Arduino的自适应Hopf频率振荡器演示 Arduino的adaptiveFreqOsc项目是一个自学习算法的迷人示例。 Ijspeert [1]提出了一个Hopf频率振荡器，并为其添加了一个额外的状态变量，以迫使振荡器跟随任何周期性的输入信号。 换句话说，这种类型的振荡器可以调整其参数以学习周期性输入信号的频率。 这里展示的Arduino草图是此类振荡器的实际实现示例。 首先，将来自Ijspeert的模型离散化，使其可以在Arduino上运行。 离散化的含义是，振荡器将不再与任何周期性输入信号同步。 必须考虑采样频率。 电流输出和振荡器输入之间的频率差越大，振荡器收敛到所需输入频率所需的时间就越长。 首先，尝试仅在输出和输入之间只有十分之一赫兹的差异的情况下学习振荡器，并使用Eps（ilon），gamma和mu的参数值来进行学习。 收敛后，带走输入信号，最后施加的输入频率将在系统中保持编码状态。 包含的Matlab脚本文件adaptive_Hopf.m用于Arduino的C代码的开发。 该脚本可用于在Arduino中实现振荡器之前调整振荡器参数。 无花果图1

神经网络估计非线性函数matlab程序.txt

凝视追踪器 该项目是基于凝视光圈在虹膜上的位置的凝视跟踪系统的一项实验，虹膜是相机附近的光源的反射（有关详细信息，请参见和“”）。 通过跟踪闪烁，可以估计屏幕上的凝视位置并将该位置用作输入系统（在本示例中，该位置仅用于移动鼠标箭头）。 硬件要求 对于这种系统，需要眼睛的高分辨率图像，并且也需要相机附近的光源，因此，为了获得简单的硬件，我将智能手机用作固定在摄像机上的远程相机（由应用程序实现）。要获得稳定的支撑，请打开闪光灯LED并将其放在一只眼睛的前面，靠近它。 演示版 校准阶段 鼠标控制阶段 入门 克隆存储库 git clone https://github.com/luca-ant/gaze_tracker.git 安装依赖项 sudo apt install python3-setuptools python3-pip python3-venv 或者 sudo pacman