matlab人头检测的代码<<<<<<< HEAD Unscented卡尔曼滤波器项目入门代码 无人驾驶汽车工程师纳米学位课程 在该项目中，利用无味卡尔曼滤波器，通过有声雷达和雷达测量来估计感兴趣的运动物体的状态。 通过项目要求获得的RMSE值低于项目重现中概述的公差。 该项目涉及Term 2 Simulator，可以下载 该存储库包含两个文件，可用于为Linux或Mac系统设置和安装这些文件。 对于Windows，您可以使用Docker，VMware或什至安装uWebSocketIO。 请参阅以获取所需的版本和安装脚本。 一旦完成uWebSocketIO的安装，就可以通过从项目顶层目录执行以下操作来构建和运行主程序。 mkdir构建 光盘制作 cmake .. 制作 ./UnscentedKF 请注意，完成该项目所需编写的程序是src / ukf.cpp，src / ukf.h，tools.cpp和tools.h。 程序main.cpp已经填写完毕，但是可以对其进行修改。 这是main.cpp用于uWebSocketIO与模拟器进行通信时使用的主要协议。 输入：模拟器提供给C ++程

本模型包括： 锂离子电池测试数据 锂离子电池等效电路模型参数辨识数据 等效电路模型 UKF SOC估计算法 老化估计算法 电池参数库 本模型适合对锂离子电池建模和状态估计的学习

UKF、PF与UPF跟踪性能的比较 对无迹卡尔曼滤波、粒子滤波及无迹粒子滤波在非线性、非高斯情况下滤波性能的比较。

利用一个追踪模型实现了UKF、CDKF、SRUKF比较。内含MATLAB代码，及文档

卡尔曼滤波课程中8次课程作业，包括仿真MATLAB源码和技术文档。 包含 基本卡尔曼滤波，信息滤波，遗忘滤波，UKF，EKF，平方根滤波等等。是西工大严恭敏老师所带研究一年级课程。文档比较严谨和实用。

稳定性和安全性作为汽车设计和规划的两大要素，与车辆的状态参数估算密切相关，其中最直接的就是关于如何精确估算行驶过程中的路面附着系数。在Kalman滤波算法基础之上，本文针对汽车的强非线性特性运用无迹卡尔曼（UKF）滤波算法在Matlab中搭建状态观测器、三自由度车辆模型、Duglff轮胎归一化模型对路面附着系数进行估计，将整体模型与Carsim进行整体测试和对比。结果证明，通过运用UKF算法建立的状态观测器能满足对附着系数估计值的准确性要求。

Matlab交互式多模型UKF和EKF滤波程序（附说明文档）

鲁棒UKF在导航方面应用，天文导航，惯性导航

基于无迹卡尔曼滤波（UKF）的锂电池荷电状态（SOC）估计，里面包含自己所做实验得到的锂电池系统参数（二阶RC等效电路模型各参数），并且通过UDDS工况仿真验证UKF算法的精度。需要各种误差图，可自行修改代码。

电信设备-OFDM系统中基于UKF的信道与载波频率偏移估计方法.zip