本文提出了一套完整的UWB多无人机协同定位与编队控制仿真系统。该系统包含UWB测距模型（含高斯噪声）、基于EKF的协同定位算法和分布式编队控制三部分。通过MATLAB仿真验证了系统性能：UWB测距误差控制在0.1m内，EKF定位误差收敛至0.05-0.15m，编队控制误差在20秒内降至0.1m以下。系统支持参数调节（如UWB噪声、控制增益等）和拓扑结构扩展，为无人机协同作业提供了有效的仿真验证平台

本文研究动态环境下多无人机协同路径规划与避碰防撞问题。通过改进人工势场法（APF）结合速度障碍（VO）模型，实现了5架无人机在复杂三维环境中的协同飞行。MATLAB仿真显示，所提算法能有效避开静态和动态障碍物，保持无人机间安全距离，并确保运动平滑性。关键创新包括动态障碍物实时感知、优先级碰撞检测机制以及混合势场设计。仿真结果验证了算法在路径效率（100m×100m×50m空间内完成协同任务）、防撞

本文介绍了一个基于MATLAB的多目标航迹关联仿真程序，主要解决多目标场景下的观测-航迹匹配问题。程序能够处理目标同时运动、观测噪声、目标出现和消失等复杂情况，实现观测数据与航迹的自动匹配。核心算法包括：通过代价矩阵计算航迹与观测的匹配关系，采用门限限制避免错误匹配；对未匹配航迹和观测进行特殊处理，通过计数变量管理航迹状态（候选/确认/终止）；支持匀速运动模型和卡尔曼滤波更新。仿真结果表明，该程序

本文介绍了一种基于RSSI的二维蓝牙定位算法。程序通过设置多个蓝牙锚节点坐标，计算目标与各节点的真实距离，并在理论RSSI值中加入高斯噪声模拟实际环境中的信号波动。采用对数路径损耗模型将RSSI转换为距离，通过建立线性方程组并使用最小二乘法求解目标位置。实验结果显示，该方法能有效估计目标位置，适用于室内导航、资产追踪等场景。程序包含可视化功能，可直观展示锚点、真实位置和估计位置的关系。

本文介绍了一套基于RSSI的RFID二维室内定位仿真系统。该系统采用MATLAB实现，通过对数路径损耗模型描述信号衰减，支持被动UHF RFID（双程反向散射）和主动RFID（单程传播）两种模式。定位算法采用线性最小二乘粗估计和加权高斯-牛顿迭代精优化的两阶段策略，考虑了RSSI噪声与距离误差的关系。仿真场景设置为8m×7m矩形空间，4个读写器分布于四角。系统输出包括定位场景图、RSSI与距离对比

本文介绍了一个基于接收信号强度(RSSI)的UHF RFID三维室内定位仿真系统。该系统采用MATLAB实现，模拟了被动式RFID标签在三维空间中的定位过程。核心原理是使用对数距离路径损耗模型建立RSSI与距离的映射关系，并叠加高斯噪声模拟实际误差。系统通过线性最小二乘获得初始位置估计，再经加权高斯-牛顿迭代精化坐标。仿真结果显示，该系统能有效实现三维定位，并提供误差统计分析。该代码适用于RFID

多无人机协同巡逻仿真程序实现了1架长机与3架僚机的菱形编队飞行控制。系统采用集中式调度与分布式执行架构，通过串级PID控制器实现三维轨迹跟踪。仿真结果显示无人机能精确完成起飞、前飞、直角转向及返航降落全过程，僚机队形误差收敛至厘米级。程序提供了三维轨迹、轴向跟踪误差和推力输出等可视化分析，验证了控制算法在高动态机动中的鲁棒性。

本文介绍了一个基于无迹粒子滤波(UPF)的一维目标状态估计算法实现。该程序针对匀速直线运动目标，通过结合无迹变换与粒子滤波方法，对带噪声的位置观测进行滤波处理。程序采用Sigma点采样策略改进粒子传播质量，利用高斯似然函数更新粒子权重，并通过重采样避免粒子退化。实验结果显示，UPF能有效降低估计误差，提高跟踪精度。文中提供了完整的MATLAB代码实现，包括状态转移模型、测量函数以及UPF核心算法流

前段时间遇到一个需求：导出变量到Excel里面，这里给出一些命令，同时给一个例程，可在github下载

背景设计一个具有温度自补偿功能的二传感器数据融合智能传感器系统，其结构如图：被补偿的主传感器是压阻式压力传感器，输出值为代表压力的电信号UPU_PUP​,辅助传感器用于监测工作环境的干扰温度T，输出值为UTU_TUT​，UPU_PUP​和UTU_TUT​输入到融合补偿器中，补偿器根据两者的数据综合考虑，输出当前的压力值p′p'p′.本实验要求将补偿器设计成神经网络结构，并将给定的36个数据分为训练