提出基于级联扩展卡尔曼滤波与块状处理线性卡尔曼滤波的频偏和相位噪声协同处理方案。利用扩展卡尔曼滤波器对系统频偏进行初始估计, 利用块状线性卡尔曼滤波器实现频偏和相位噪声的精准估计。对最优数据块长度和调优参数Q的关系, 算法的线宽容忍性能、频偏估计范围以及频偏漂移追踪速度进行了详细的讨论和分析。结果表明, 该方案具有快速的载波估计收敛能力、较高的频偏和相位估计精度, 并且其频偏漂移追踪可高达320 MHz/μs。相比传统盲相位搜索方法, 该方案具备较高的频偏容忍度和较低的实现复杂度。最后实验研究正交相移键控(QPSK)光通信系统下的载波恢复性能, 同时给出不同光信噪比、块状数据长度下的载波频偏估计性能。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：基于卡尔曼滤波的雷达目标跟踪_Karlman_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

ar模型matlab代码纸2 该存储库包含使用以下时间序列预测的MATLAB代码：（i）ARIMA模型的MMSE预测（ii）卡尔曼滤波方法（iii）人工神经网络。 上面技术的小波版本的代码也显示在这里。 由于中心思想相同，因此降雨数据和地球物理钻Kong数据的代码遵循相似的步骤。 以下是所有MATLAB文件的描述： ar_kalman_algo_2008.m：用于时间序列预测的卡尔曼滤波方法。 tec_algo2008_ann.m：用于时间序列预测的前馈神经网络。 tec_algo_mmse.m：使用ARIMA模型的MMSE预测。 wann_algo2008.m：基于小波的前馈神经网络，用于时间序列预测。 wkalmanl3.m：用于时间序列预测的基于小波的卡尔曼滤波方法。 wmmsel6_algo2008.m：使用ARIMA模型的基于小波的MMSE预测。

行业-电子政务-基于扩展卡尔曼滤波的跨孔电阻率时序监测反演成像方法.zip

UWB精确定位自适应无迹卡尔曼滤波算法UWB精确定位自适应无迹卡尔曼滤波算法UWB精确定位自适应无迹卡尔曼滤波算法UWB精确定位自适应无迹卡尔曼滤波算法UWB精确定位自适应无迹卡尔曼滤波算法UWB精确定位自适应无迹卡尔曼滤波算法UWB精确定位自适应无迹卡尔曼滤波算法

本资源提供了一个自动驾驶汽车程序启动扩展卡尔曼滤波项目C++代码。所谓扩展卡尔曼滤波器，就是适用于非线性系统的卡尔曼滤波器，可以更广泛的应用在项目中。