基于多維影響因子的卡爾曼濾波算法
大?。?/span>0.69 MB 人氣： 2017-12-29 需要積分：2
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評論（0）
標(biāo)簽：卡爾曼(12149)濾波算法(13672)
隨著數(shù)據(jù)流的廣泛運(yùn)用，數(shù)據(jù)流中異常數(shù)據(jù)的檢測問題也引起了更多的關(guān)注。現(xiàn)有的卡爾曼濾波算法需要的歷史數(shù)據(jù)量雖然小，但只適用于單個(gè)異常點(diǎn)的檢測，對于復(fù)雜連續(xù)的異常值檢測效果較差。針對這個(gè)問題，提出一種水文傳感器分級標(biāo)注模型，并在此基礎(chǔ)上提出一種基于多維影響因子的卡爾曼濾波算法，加入空間、時(shí)間、起源三個(gè)維度的影響因子，在天氣和汛期等影響因素改變時(shí)，對系統(tǒng)模型的控制參數(shù)進(jìn)行適當(dāng)調(diào)整，并且對測量噪聲進(jìn)行更加準(zhǔn)確的估計(jì)，提高異常檢測的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果證明，所提算法在保證運(yùn)行時(shí)間相近的前提下，檢測的錯(cuò)誤率遠(yuǎn)低于基于遺忘因子的卡爾曼（AKF）算法和基于小波的卡爾曼（WKF）算法。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于多維影響因子的卡爾曼濾波算法下載
相關(guān)電子資料下載
- CW32數(shù)字電壓電流表軟件教程-實(shí)驗(yàn)七：基本數(shù)據(jù)處理算法（均值濾波） 115
- 如何將每個(gè)框架插入到SLAM框架中 289
- 卡爾曼濾波是什么 卡爾曼濾波與目標(biāo)追蹤技術(shù)分析 303
- 多目標(biāo)跟蹤算法總結(jié)歸納 514
- 深入探討電池管理系統(tǒng)開發(fā)常見問題 511
- 深度解析：多傳感器融合SLAM技術(shù)全景剖析 1205
- 基于波形域的匹配濾波前抗間歇采樣轉(zhuǎn)發(fā)干擾方法 776
- 卡爾曼濾波算法c語言實(shí)現(xiàn)方法 1098
- 卡爾曼濾波家族 602
- 詳解從均值濾波到非局部均值濾波算法的原理及實(shí)現(xiàn)方式 628