摘要： Kalman filter toolbox for Matlab 标签： Kalman filter Matlab 分类： 滤波和控制算法及MATLAB 2007-02-19 10:10该工具箱为线性系统提供滤波、平滑和参数估计（用EM），本章包括下载该工具箱什么是kalman滤波器kalman滤波和平滑追踪的例子关于非线性系统和非高斯系统其他kalman滤波器软件推荐阅读功能kalman滤波器kalman平滑器——用RTS等式实现学习kalman——用EM寻找最大化可能的估计采样_lds——产生随机采样AR 到SS——转换k的自回归模型为逐个状态空间形式SS 到AR学习_AR——使用最... 阅读全文

摘要： 转自http://www.cnblogs.com/yangyangcv/archive/2010/05/23/1742263.html基于粒子滤波的物体跟踪一直都觉得粒子滤波是个挺牛的东西，每次试图看文献都被复杂的数学符号搞得看不下去。一个偶然的机会发现了Rob Hess(http://web.engr.oregonstate.edu/~hess/)实现的这个粒子滤波。从代码入手，一下子就明白了粒子滤波的原理。根据维基百科上对粒子滤波的介绍(http://en.wikipedia.org/wiki/Particle_filter)，粒子滤波其实有很多变种，Rob Hess实现的这种应该是最基本 阅读全文

摘要： 粒子滤波MATLAB程序，有中文解释(2009-06-13 10:12:19)转载▼标签：杂谈分类：无线定位参考网站：http://read.pudn.com/downloads116/sourcecode/app/489618/particlefilter.m__.htmx = 0; % 初始状态R = input('请输入过程噪声方差R的值: ');; % 测量噪声协方差Q = input('请输入观测噪声方差Q的值: '); % 过程状态协方差tf = 100; % 模拟长度N = 100; % 粒子滤波器中的粒子个数xhat = x;P = 2;xhat 阅读全文

摘要： （转载）谢谢我们的论坛http://www.znczz.com/?fromuid=56928卡尔曼滤波,直立小车,电磁,平衡小车大家帮忙顶一下为了可以更加容易的理解卡尔曼滤波器，这里会应用形象的描述方法来讲解，而不是像大多数参考书那样罗列一大堆的数学公式和数学符号。但是，他的5条公式是其核心内容。结合现代的计算机，其实卡尔曼的程序相当的简单，只要你理解了他的那5条公式。在介绍他的5条公式之前，先让我们来根据下面的例子一步一步的探索。假设我们要研究的对象是一个房间的温度。根据你的经验判断，这个房间的温度是恒定的，也就是下一分钟的温度等于现在这一分钟的温度（假设我们用一分钟来做时间单位）。假设你对 阅读全文

摘要： >> x=-20:0.5:20;y=-20:0.5:20;mu=[-1,2];sigma=[1 1; 1 3]; % 输入均值向量和协方差矩阵,可以根据需要修改[X,Y]=meshgrid(x,y); % 产生网格数据并处理p=mvnpdf([X(:),Y(:)],mu,sigma);P=reshape(p,size(X)); % 求取联合概率密度figure(2)surf(X,Y,P)shading interpcolorbartitle('条件概率密度函数曲线'); 阅读全文

摘要： 【转自】http://www.yuanma.org/data/2007/1220/article_2928.htm在<<the practice of programming>>第三章中，两位作者举了一个markov算法的例子，文章一开头，作者以Frederick P. Brook的名言来说明了数据结构的重要性-"如果你只给我看流程图，不给我看你的数据结构表,我可能还是很困惑；如果你给我看了你的数据结构表，流程图有些时候并不重要，流程太明显了"。两位作者举了一个非常有趣的例子，利用文本中已经有的文本组合成新的文本。需要注意的是，作者没有初始化hash 阅读全文

摘要： 信息熵：信息的基本作用就是消除人们对事物的不确定性。多数粒子组合之后，在它似像非像的形态上押上有价值的数码，具体地说，这就是一个在博弈对局中现象信息的混乱。计算公式 H(x)=E[I(xi)]=E[ log(1/p(xi)) ]=-∑p(xi)log(p(xi)) (i=1,2,..n)信息熵是信息论中用于度量信息量的一个概念。一个系统越是有序，信息熵就越低； 反之，一个系统越是混乱，信息熵就越高。所以，信息熵也可以说是系统有序化程度的一个度量。 熵的概念源自热物理学.假定有两种气体a、b，当两种气体完全混合时，可以达到热物理学中的稳定状态，此时熵最高。如果要实现反向过程，即将a、b完全... 阅读全文

摘要： 【转自】http://zhidao.baidu.com/question/295313828.htmlMATLAB里有直接的函数。调用语法如下：（正态分布又被称为高斯分布） y = gaussmf(x,[sig c]) 其中x是变量，sig就是你图片里的σ，而c就是你图片里的μ，比如：下面是一个例子，你可以直接复制到MATLAB中运行就可以得到一个方差为2，均值为5的正态分布函数了：x=0:0.1:10;y=gaussmf(x,[2 5]);plot(x,y)xlabel('gaussmf, P=[2 5]') 阅读全文

摘要： 【转自】http://www.cnblogs.com/cfantaisie/archive/2011/06/16/2082267.html粒子滤波实现物体跟踪的算法原理：1）初始化阶段-提取跟踪目标特征该阶段要人工指定跟踪目标，程序计算跟踪目标的特征，比如可以采用目标的颜色特征。具体到Rob Hess的代码，开始时需要人工用鼠标拖动出一个跟踪区域，然后程序自动计算该区域色调(Hue)空间的直方图，即为目标的特征。直方图可以用一个向量来表示，所以目标特征就是一个N*1的向量V。2）搜索阶段-放狗好，我们已经掌握了目标的特征，下面放出很多条狗，去搜索目标对象，这里的狗就是粒子particle。狗有 阅读全文

摘要： 【转自：http://www.cnblogs.com/feisky/archive/2009/11/10/1600086.html】粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(Sequential Importance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里 阅读全文