1.基本原理将GPS接收机安装在船舶上可以进行导航定位的计算，民用领域的GPS导航卫星播发的信号加入了高频振荡的随机干扰信号，是GPS定位的观测噪声。在这里，我们假设观测噪声强度可用系统辨识方法求得。一维模型为了使得模型简单化，假定船舶出港后沿某直线航行，以码头的出发点为坐标原点。若采样时间为T0T_0T0​,用s(k)s(k)s(k)表示在kT0kT_0kT0​时刻的真实位置，用y(k)y(k)

基本原理1.局部线性化过程2.线性kalman滤波同一般的卡尔曼滤波器(KF)不同的是,扩展卡尔曼滤波器(EKF)是为了解决在非线性系统中,状态噪声和测量噪声均为高斯分布时,进行最优的状态估计的问题。基本思想:将非线性系统滤波问题近似化为线性系统的滤波问题。具体做法是将非线性的状态方程f(∗)f(*)f(∗)和测量方程h(∗)h(*)h(∗)在状态值Xk^\hat{X_k}Xk​^​处进行泰勒展开

机器人仿真技术学习笔记（二）1.刚体机器人加速度2.机器人刚体的质量分布3.牛顿欧拉递推动力学方程4.状态空间方程1.定义2.Puma560参数的获取(1)运动学和动力学参数(2)惯性矩阵(3)科里奥利矩阵(4)重力矩阵(5)摩擦矩阵(6)逆向动力学的求解5.正向动力学问题1.正动力学计算方法2.Matlab代码6.SerialLink 类的函数说明机器人工具箱用的是robot-9.10的MATL

1.状态反馈1.1状态反馈原理​若一个控制系统的状态方程模型可以写成如下形式:X˙=AX+BuY=CX+Du\dot X = AX+Bu\\Y=CX+DuX˙=AX+BuY=CX+Du​该模型可以描述为以下的框图形式:​在引入状态反馈之后,系统的输入信号u=r−KXu=r-KXu=r−KX,KKK为反馈矩阵。​引入了状态反馈后方程可以变成以下形式:X˙=(A−BK)X+BrY=(C−DK)X+Dr

基于深度学习的数字识别GUI的设计用matlab的deeplearning工具箱搭建了CNN来识别手写数字的GUI。一.训练CNN采用的是matlab自带的数字训练集和验证集，搭建的CNN的代码如下：clc,clear;digitalDatasetPath = fullfile(matlabroot,'toolbox','nnet','nndemos','nndatasets','DigitDat

# encoding:utf-8# 利用百度云智能的资源进行文字识别import requestsimport base64from tkinter import filedialog,Tkimport langidfrom translate import Translator#获取密玥def Get_acess_token(API_Key,Secret_Key):#获取acess_tokenh

基于深度学习的数字识别GUI的设计用matlab的deeplearning工具箱搭建了CNN来识别手写数字的GUI。一.训练CNN采用的是matlab自带的数字训练集和验证集，搭建的CNN的代码如下：clc,clear;digitalDatasetPath = fullfile(matlabroot,'toolbox','nnet','nndemos','nndatasets','DigitDat

投影寻踪模型1.模型的简介和应用2.基本步骤：3.遗传算法求解模型的优化问题1.用MatlabMatlabMatlab的gagaga工具箱求解：2.遗传算法求解：3.LINGOLINGOLINGO工具箱求解1.模型的简介和应用投影寻踪是处理和分析高维数据的一类统计方法，其基本思想是将高维数据投影到低维（1～3维）子空间上，寻找出反映原高维数据的结构或特征的投影，以达到研究和分析高维数据的目的。19

通俗易懂的Monte Carlo积分方法（一）Monte Carlo积分的投点法计算：Monte Carlo算法（投点法）的数学基础：伯努利大数定律：设fA为n重伯努利试验中事件A发生的次数，而P为事件A发生的概率,那么∀ϵ>0有下面的式子成立：设f_{A}为n重伯努利试验中事件A发生的次数，而 \\P为事件A发生的概率,那么\forall\epsilon > 0\\有下面的式子成立：

用Matlab搭建GUI视频处理工具一.搭建的基本GUI界面二.打开视频文件的操作函数三.获取图像序列函数四.获取视频信息的函数五.生成视频文件的函数六.播放，暂停，停止按钮回调函数七.总代码avidel.m八.结果界面要实现播放视频，获取视频信息，获取图片序列，抓图等基本功能。一.搭建的基本GUI界面利用guide建立基本的框图avidel.figavidel.figavidel.fig和avi