鲁啊鲁视频在线精品,2020天天干干干

本書可以作為電子信息類專業(yè)的本科生和碩士、博士研究生“數(shù)字信號處理”課程的教材，也可以作為從事雷達(dá)、無線傳感器網(wǎng)絡(luò)、數(shù)字信號處理的教師和科研人員的參考書。

第1章MATLAB仿真基礎(chǔ) 11MATLAB簡介 111MATLAB發(fā)展歷史 112MATLAB 71系統(tǒng) 113M-File編輯器的使用 12數(shù)據(jù)類型和數(shù)組 121數(shù)據(jù)類型概述 122數(shù)組的創(chuàng)建 123數(shù)組的屬性 124數(shù)組的操作 125結(jié)構(gòu)體和元胞數(shù)組 13程序設(shè)計(jì) 131條件語句 132循環(huán)語句 133函數(shù) 134畫圖 14小結(jié) 第2章目標(biāo)定位跟蹤系統(tǒng)概述 21觀測系統(tǒng) 211基本概念 212坐標(biāo)系 213典型的觀測站 22定位 221模糊定位 222精確定位 223典型的定位系統(tǒng) 23目標(biāo)跟蹤 231多觀測站系統(tǒng)架構(gòu) 232跟蹤過程描述 233跟蹤軌跡 24跟蹤的數(shù)學(xué)模型 241勻速直線運(yùn)動 242勻加速運(yùn)動 25小結(jié) 第3章目標(biāo)定位算法 31非測距的定位算法 311質(zhì)心定位算法 312加權(quán)質(zhì)心定位算法 313網(wǎng)格定位算法 32基于測距的定位算法 321最小二乘原理 322最小二乘定位算法 323基于RSSI測距的定位算法 324基于TOA/TDOA的目標(biāo)定位算法 33基于角度測量的定位算法 331雙站角度定位 332三角測量法定位 34移動目標(biāo)定位算法 341移動目標(biāo)計(jì)算機(jī)仿真建模 342基于距離觀測的運(yùn)動目標(biāo)定位 343純方位角的運(yùn)動目標(biāo)定位 35小結(jié) 第4章線性Kalman濾波 41Kalman濾波原理 411射影定理 412Kalman濾波器 413Kalman濾波的參數(shù)處理 42Kalman濾波用于一維觀測信號去噪 421信號測量濾波原理 422一維Kalman濾波的應(yīng)用仿真 43Kalman濾波在自由落體運(yùn)動目標(biāo)跟蹤中的應(yīng)用 431狀態(tài)方程的建立 432自由落體跟蹤仿真 44Kalman濾波在船舶GPS導(dǎo)航定位系統(tǒng)中的應(yīng)用 441GPS導(dǎo)航系統(tǒng)原理介紹 442導(dǎo)航定位系統(tǒng)仿真 45Kalman濾波在視頻圖像目標(biāo)跟蹤中的應(yīng)用 451視頻捕獲和錄制 452視頻導(dǎo)入和顯示 453對視頻幀的操作 454Kalman濾波對自由下落的皮球跟蹤應(yīng)用 46小結(jié) 第5章非線性Kalman濾波 51擴(kuò)展Kalman濾波 511EKF的基本思想 512非線性系統(tǒng)的線性化 513EKF的濾波原理 52EKF的應(yīng)用及仿真 521EKF應(yīng)用于一維非線性系統(tǒng) 522基于距離觀測的目標(biāo)跟蹤EKF狀態(tài)估計(jì) 523純方位角目標(biāo)跟蹤EKF狀態(tài)估計(jì) 524EKF在純方位尋的導(dǎo)彈制導(dǎo)中的應(yīng)用 53無跡Kalman濾波 531UKF的基本思想 532無跡變換 533UKF的濾波過程 54UKF的應(yīng)用及仿真 541UKF在單站觀測站目標(biāo)跟蹤中的應(yīng)用 542UKF在六維勻加速直線運(yùn)動目標(biāo)跟蹤系統(tǒng)中的應(yīng)用 55小結(jié) 第6章粒子濾波 61粒子濾波簡介 611粒子濾波的發(fā)展歷史 612粒子濾波的特點(diǎn) 613粒子濾波的應(yīng)用領(lǐng)域 62蒙特卡洛原理 621蒙特卡洛的基本思想 622蒙特卡洛的理論基礎(chǔ) 623蒙特卡洛的應(yīng)用實(shí)例 63粒子濾波原理 631蒙特卡洛采樣原理 632貝葉斯重要性采樣 633序列重要性采樣濾波器 634Bootstrap/SIR濾波器 635權(quán)值計(jì)算方法 64粒子濾波經(jīng)典采樣算法 641隨機(jī)重采樣 642多項(xiàng)式重采樣 643系統(tǒng)重采樣 644殘差重采樣 65粒子濾波的應(yīng)用 651粒子濾波應(yīng)用于一維非線性系統(tǒng) 652粒子濾波應(yīng)用于高斯模型目標(biāo)跟蹤系統(tǒng) 653粒子濾波應(yīng)用于非高斯模型目標(biāo)跟蹤系統(tǒng) 66小結(jié) 第7章多目標(biāo)跟蹤算法 71多目標(biāo)跟蹤系統(tǒng)建模 711單站多目標(biāo)跟蹤系統(tǒng)建模 712單站多目標(biāo)跟蹤系統(tǒng)仿真 713多站多目標(biāo)跟蹤系統(tǒng)建模 714多站多目標(biāo)跟蹤系統(tǒng)仿真 72多目標(biāo)跟蹤分類算法 721多目標(biāo)數(shù)據(jù)融合概述 722近鄰法分類算法及程序 723近鄰法用于目標(biāo)跟蹤中的航跡關(guān)聯(lián)及算法程序 724k-近鄰法分類算法 73多目標(biāo)跟蹤算法 731基于Kalman濾波的多目標(biāo)跟蹤算法 732基于粒子濾波的多目標(biāo)狀態(tài)估計(jì) 74小結(jié) 第8章Simulink仿真 81Simulink概述 811Simulink啟動 812Simulink仿真設(shè)置 813Simulink模塊庫簡介 82S函數(shù) 821S函數(shù)原理 822S函數(shù)的控制流程 83目標(biāo)跟蹤的Simulink仿真 831狀態(tài)方程和觀測方程的Simulink建模 832基于S函數(shù)的Kalman濾波器設(shè)計(jì)及其在跟蹤中的應(yīng)用 833基于S函數(shù)的粒子濾波器設(shè)計(jì)及其在跟蹤中的應(yīng)用 84小結(jié)

你還可能感興趣

我要評論