（橫滾、俯仰、偏航）與高度估計系統(tǒng)【含Matlab源碼 15988期】)
Matlab武動乾坤博客之家博主簡介985研究生Matlab領域科研開發(fā)者座右銘行百里者半于九十。代碼獲取方式CSDN Matlab武動乾坤—代碼獲取方式更多Matlab信號處理仿真內(nèi)容點擊①Matlab信號處理進階版??關注CSDN Matlab武動乾坤更多資源等你來?一、卡爾曼濾波的無人機多傳感器融合架構的9軸姿態(tài)橫滾、俯仰、偏航與高度估計系統(tǒng)整體概述該 MATLAB 腳本實現(xiàn)9 自由度 AHRS航姿參考系統(tǒng)數(shù)據(jù)融合仿真讀取 STM32 采集的 MPU6050加速度計 陀螺儀 磁力計 氣壓計的 CSV 傳感器數(shù)據(jù)使用雙狀態(tài)卡爾曼濾波器分別融合傳感器數(shù)據(jù)求解滾轉(zhuǎn)角 Roll、俯仰角 Pitch、偏航角 Yaw同時利用氣壓計計算高度并做一維卡爾曼濾波最后繪制姿態(tài)對比曲線并實現(xiàn)無人機 3D 數(shù)字孿生動畫實時展示無人機姿態(tài)變化。分段詳細解釋0. 初始化清空工作區(qū)、命令行關閉所有圖窗。讀取 CSV 傳感器數(shù)據(jù) 傳感器坐標軸校正讀取由 STM32 采集保存的 CSV 傳感器數(shù)據(jù)共 10 列dt0.62s傳感器采樣周期坐標軸交換與符號修正面包板硬件安裝方向與傳感器默認坐標系不一致交換 ax/ay、gx/gy并對 gx、gy 取反修正右手坐標系磁力計坐標軸對齊對 mx,my 交換并符號翻轉(zhuǎn)匹配載體坐標系。這一步非常關鍵硬件安裝方向會直接導致姿態(tài)鏡像、角度反向必須做軸映射。傳感器自動零偏標定Auto Calibration取前最多 50 個靜止采樣點求均值作為傳感器靜態(tài)零偏加速度計 az 額外減去 1.0g靜止時 Z 軸加速度理論值為重力加速度 1g原始傳感器數(shù)據(jù)減去零偏得到標定后傳感器數(shù)據(jù) ax_cal,gy_cal,gx_cal…消除靜態(tài)漂移。純傳感器原始角度計算無融合加速度計姿態(tài)角 roll_acc、pitch_acc利用重力在三軸加速度投影通過反正切計算滾轉(zhuǎn)、俯仰角優(yōu)點無漂移缺點運動時加速度干擾噪聲大。陀螺儀姿態(tài)角 roll_gyro、pitch_gyro對陀螺儀角速度做數(shù)值積分優(yōu)點動態(tài)響應快缺點積分漂移長時間誤差累積?？柭鼮V波核心目標融合加速度計長期穩(wěn)定 陀螺儀動態(tài)好取長補短?？柭鼮V波Roll 與 Pitch2 狀態(tài)卡爾曼氣壓計高度 Z 軸一維卡爾曼濾波國際標準大氣壓公式由氣壓值換算海拔高度 alt_raw一維卡爾曼僅狀態(tài)為高度沒有速度狀態(tài)預測只增加過程噪聲 Q_z更新用氣壓計原始高度觀測修正alt_kalman濾波后的平滑高度。繪圖模塊濾波性能對比圖第一張圖3 個子圖Sub1Roll 角對比加速度計原始角度、陀螺儀積分角度、卡爾曼融合角度Sub2Pitch 角對比Sub3高度對比原始氣壓高度、卡爾曼濾波高度單位 cm第二張圖Yaw 偏航角對比磁力計原始航向、陀螺儀積分航向、卡爾曼融合航向Y 軸限制 [-180,180°]繪圖目的直觀對比原始傳感器噪聲、陀螺儀漂移、卡爾曼濾波平滑效果。無人機 3D 數(shù)字孿生動畫可視化?二、部分源代碼和運行步驟1 部分代碼2 通用運行步驟1直接運行main.m即可一鍵出圖?三、運行結果?四、matlab版本及參考文獻1 matlab版本2019b2 參考文獻[1]樊家暉;竇銀科;寇立偉;張宇.基于干擾觀測器的多無人機-車滑模跟蹤控制研究[J].現(xiàn)代電子技術. 20263 備注簡介此部分摘自互聯(lián)網(wǎng)僅供參考若侵權聯(lián)系刪除 仿真咨詢1 各類智能優(yōu)化算法改進及應用1.1 PID優(yōu)化1.2 VMD優(yōu)化1.3 配電網(wǎng)重構1.4 三維裝箱1.5 微電網(wǎng)優(yōu)化1.6 優(yōu)化布局1.7 優(yōu)化參數(shù)1.8 優(yōu)化成本1.9 優(yōu)化充電1.10 優(yōu)化調(diào)度1.11 優(yōu)化電價1.12 優(yōu)化發(fā)車1.13 優(yōu)化分配1.14 優(yōu)化覆蓋1.15 優(yōu)化控制1.16 優(yōu)化庫存1.17 優(yōu)化路由1.18 優(yōu)化設計1.19 優(yōu)化位置1.20 優(yōu)化吸波1.21 優(yōu)化選址1.22 優(yōu)化運行1.23 優(yōu)化指派1.24 優(yōu)化組合1.25 車間調(diào)度1.26 生產(chǎn)調(diào)度1.27 經(jīng)濟調(diào)度1.28 裝配線調(diào)度1.29 水庫調(diào)度1.30 貨位優(yōu)化1.31 公交排班優(yōu)化1.32 集裝箱船配載優(yōu)化1.33 水泵組合優(yōu)化1.34 醫(yī)療資源分配優(yōu)化1.35 可視域基站和無人機選址優(yōu)化2 機器學習和深度學習分類與預測2.1 機器學習和深度學習分類2.1.1 BiLSTM雙向長短時記憶神經(jīng)網(wǎng)絡分類2.1.2 BP神經(jīng)網(wǎng)絡分類2.1.3 CNN卷積神經(jīng)網(wǎng)絡分類2.1.4 DBN深度置信網(wǎng)絡分類2.1.5 DELM深度學習極限學習機分類2.1.6 ELMAN遞歸神經(jīng)網(wǎng)絡分類2.1.7 ELM極限學習機分類2.1.8 GRNN廣義回歸神經(jīng)網(wǎng)絡分類2.1.9 GRU門控循環(huán)單元分類2.1.10 KELM混合核極限學習機分類2.1.11 KNN分類2.1.12 LSSVM最小二乘法支持向量機分類2.1.13 LSTM長短時記憶網(wǎng)絡分類2.1.14 MLP全連接神經(jīng)網(wǎng)絡分類2.1.15 PNN概率神經(jīng)網(wǎng)絡分類2.1.16 RELM魯棒極限學習機分類2.1.17 RF隨機森林分類2.1.18 SCN隨機配置網(wǎng)絡模型分類2.1.19 SVM支持向量機分類2.1.20 XGBOOST分類2.2 機器學習和深度學習預測2.2.1 ANFIS自適應模糊神經(jīng)網(wǎng)絡預測2.2.2 ANN人工神經(jīng)網(wǎng)絡預測2.2.3 ARMA自回歸滑動平均模型預測2.2.4 BF粒子濾波預測2.2.5 BiLSTM雙向長短時記憶神經(jīng)網(wǎng)絡預測2.2.6 BLS寬度學習神經(jīng)網(wǎng)絡預測2.2.7 BP神經(jīng)網(wǎng)絡預測2.2.8 CNN卷積神經(jīng)網(wǎng)絡預測2.2.9 DBN深度置信網(wǎng)絡預測2.2.10 DELM深度學習極限學習機預測2.2.11 DKELM回歸預測2.2.12 ELMAN遞歸神經(jīng)網(wǎng)絡預測2.2.13 ELM極限學習機預測2.2.14 ESN回聲狀態(tài)網(wǎng)絡預測2.2.15 FNN前饋神經(jīng)網(wǎng)絡預測2.2.16 GMDN預測2.2.17 GMM高斯混合模型預測2.2.18 GRNN廣義回歸神經(jīng)網(wǎng)絡預測2.2.19 GRU門控循環(huán)單元預測2.2.20 KELM混合核極限學習機預測2.2.21 LMS最小均方算法預測2.2.22 LSSVM最小二乘法支持向量機預測2.2.23 LSTM長短時記憶網(wǎng)絡預測2.2.24 RBF徑向基函數(shù)神經(jīng)網(wǎng)絡預測2.2.25 RELM魯棒極限學習機預測2.2.26 RF隨機森林預測2.2.27 RNN循環(huán)神經(jīng)網(wǎng)絡預測2.2.28 RVM相關向量機預測2.2.29 SVM支持向量機預測2.2.30 TCN時間卷積神經(jīng)網(wǎng)絡預測2.2.31 XGBoost回歸預測2.2.32 模糊預測2.2.33 奇異譜分析方法SSA時間序列預測2.3 機器學習和深度學習實際應用預測CPI指數(shù)預測、PM2.5濃度預測、SOC預測、財務預警預測、產(chǎn)量預測、車位預測、蟲情預測、帶鋼厚度預測、電池健康狀態(tài)預測、電力負荷預測、房價預測、腐蝕率預測、故障診斷預測、光伏功率預測、軌跡預測、航空發(fā)動機壽命預測、匯率預測、混凝土強度預測、加熱爐爐溫預測、價格預測、交通流預測、居民消費指數(shù)預測、空氣質(zhì)量預測、糧食溫度預測、氣溫預測、清水值預測、失業(yè)率預測、用電量預測、運輸量預測、制造業(yè)采購經(jīng)理指數(shù)預測3 圖像處理方面3.1 圖像邊緣檢測3.2 圖像處理3.3 圖像分割3.4 圖像分類3.5 圖像跟蹤3.6 圖像加密解密3.7 圖像檢索3.8 圖像配準3.9 圖像拼接3.10 圖像評價3.11 圖像去噪3.12 圖像融合3.13 圖像識別3.13.1 表盤識別3.13.2 車道線識別3.13.3 車輛計數(shù)3.13.4 車輛識別3.13.5 車牌識別3.13.6 車位識別3.13.7 尺寸檢測3.13.8 答題卡識別3.13.9 電器識別3.13.10 跌倒檢測3.13.11 動物識別3.13.12 二維碼識別3.13.13 發(fā)票識別3.13.14 服裝識別3.13.15 漢字識別3.13.16 紅綠燈識別3.13.17 虹膜識別3.13.18 火災檢測3.13.19 疾病分類3.13.20 交通標志識別3.13.21 卡號識別3.13.22 口罩識別3.13.23 裂縫識別3.13.24 目標跟蹤3.13.25 疲勞檢測3.13.26 旗幟識別3.13.27 青草識別3.13.28 人臉識別3.13.29 人民幣識別3.13.30 身份證識別3.13.31 手勢識別3.13.32 數(shù)字字母識別3.13.33 手掌識別3.13.34 樹葉識別3.13.35 水果識別3.13.36 條形碼識別3.13.37 溫度檢測3.13.38 瑕疵檢測3.13.39 芯片檢測3.13.40 行為識別3.13.41 驗證碼識別3.13.42 藥材識別3.13.43 硬幣識別3.13.44 郵政編碼識別3.13.45 紙牌識別3.13.46 指紋識別3.14 圖像修復3.15 圖像壓縮3.16 圖像隱寫3.17 圖像增強3.18 圖像重建4 路徑規(guī)劃方面4.1 旅行商問題TSP4.1.1 單旅行商問題TSP4.1.2 多旅行商問題MTSP4.2 車輛路徑問題VRP4.2.1 車輛路徑問題VRP4.2.2 帶容量的車輛路徑問題CVRP4.2.3 帶容量時間窗距離車輛路徑問題DCTWVRP4.2.4 帶容量距離車輛路徑問題DCVRP4.2.5 帶距離的車輛路徑問題DVRP4.2.6 帶充電站時間窗車輛路徑問題ETWVRP4.2.3 帶多種容量的車輛路徑問題MCVRP4.2.4 帶距離的多車輛路徑問題MDVRP4.2.5 同時取送貨的車輛路徑問題SDVRP4.2.6 帶時間窗容量的車輛路徑問題TWCVRP4.2.6 帶時間窗的車輛路徑問題TWVRP4.3 多式聯(lián)運運輸問題4.4 機器人路徑規(guī)劃4.4.1 避障路徑規(guī)劃4.4.2 迷宮路徑規(guī)劃4.4.3 柵格地圖路徑規(guī)劃4.5 配送路徑規(guī)劃4.5.1 冷鏈配送路徑規(guī)劃4.5.2 外賣配送路徑規(guī)劃4.5.3 口罩配送路徑規(guī)劃4.5.4 藥品配送路徑規(guī)劃4.5.5 含充電站配送路徑規(guī)劃4.5.6 連鎖超市配送路徑規(guī)劃4.5.7 車輛協(xié)同無人機配送路徑規(guī)劃4.6 無人機路徑規(guī)劃4.6.1 飛行器仿真4.6.2 無人機飛行作業(yè)4.6.3 無人機軌跡跟蹤4.6.4 無人機集群仿真4.6.5 無人機三維路徑規(guī)劃4.6.6 無人機編隊4.6.7 無人機協(xié)同任務4.6.8 無人機任務分配5 語音處理5.1 語音情感識別5.2 聲源定位5.3 特征提取5.4 語音編碼5.5 語音處理5.6 語音分離5.7 語音分析5.8 語音合成5.9 語音加密5.10 語音去噪5.11 語音識別5.12 語音壓縮5.13 語音隱藏6 元胞自動機方面6.1 元胞自動機病毒仿真6.2 元胞自動機城市規(guī)劃6.3 元胞自動機交通流6.4 元胞自動機氣體6.5 元胞自動機人員疏散6.6 元胞自動機森林火災6.7 元胞自動機生命游戲7 信號處理方面7.1 故障信號診斷分析7.1.1 齒輪損傷識別7.1.2 異步電機轉(zhuǎn)子斷條故障診斷7.1.3 滾動體內(nèi)外圈故障診斷分析7.1.4 電機故障診斷分析7.1.5 軸承故障診斷分析7.1.6 齒輪箱故障診斷分析7.1.7 三相逆變器故障診斷分析7.1.8 柴油機故障診斷7.2 雷達通信7.2.1 FMCW仿真7.2.2 GPS抗干擾7.2.3 雷達LFM7.2.4 雷達MIMO7.2.5 雷達測角7.2.6 雷達成像7.2.7 雷達定位7.2.8 雷達回波7.2.9 雷達檢測7.2.10 雷達數(shù)字信號處理7.2.11 雷達通信7.2.12 雷達相控陣7.2.13 雷達信號分析7.2.14 雷達預警7.2.15 雷達脈沖壓縮7.2.16 天線方向圖7.2.17 雷達雜波仿真7.3 生物電信號7.3.1 肌電信號EMG7.3.2 腦電信號EEG7.3.3 心電信號ECG7.3.4 心臟仿真7.4 通信系統(tǒng)7.4.1 DOA估計7.4.2 LEACH協(xié)議7.4.3 編碼譯碼7.4.4 變分模態(tài)分解7.4.5 超寬帶仿真7.4.6 多徑衰落仿真7.4.7 蜂窩網(wǎng)絡7.4.8 管道泄漏7.4.9 經(jīng)驗模態(tài)分解7.4.10 濾波器設計7.4.11 模擬信號傳輸7.4.12 模擬信號調(diào)制7.4.13 數(shù)字基帶信號7.4.14 數(shù)字信道7.4.15 數(shù)字信號處理7.4.16 數(shù)字信號傳輸7.4.17 數(shù)字信號去噪7.4.18 水聲通信7.4.19 通信仿真7.4.20 無線傳輸7.4.21 誤碼率仿真7.4.22 現(xiàn)代通信7.4.23 信道估計7.4.24 信號檢測7.4.25 信號融合7.4.26 信號識別7.4.27 壓縮感知7.4.28 噪聲仿真7.4.29 噪聲干擾7.5 無人機通信7.6 無線傳感器定位及布局方面7.6.1 WSN定位7.6.2 高度預估7.6.3 濾波跟蹤7.6.4 目標定位7.6.4.1 Dv-Hop定位7.6.4.2 RSSI定位7.6.4.3 智能算法優(yōu)化定位7.6.5 組合導航8 電力系統(tǒng)方面微電網(wǎng)優(yōu)化、無功優(yōu)化、配電網(wǎng)重構、儲能配置 【無人機融合】卡爾曼濾波的無人機多傳感器融合架構的9軸姿態(tài)（橫滾、俯仰、偏航）與高度估計系統(tǒng)【含Matlab源碼 15988期】
Matlab武動乾坤博客之家博主簡介985研究生Matlab領域科研開發(fā)者座右銘行百里者半于九十。代碼獲取方式CSDN Matlab武動乾坤—代碼獲取方式更多Matlab信號處理仿真內(nèi)容點擊①Matlab信號處理進階版??關注CSDN Matlab武動乾坤更多資源等你來?一、卡爾曼濾波的無人機多傳感器融合架構的9軸姿態(tài)橫滾、俯仰、偏航與高度估計系統(tǒng)整體概述該 MATLAB 腳本實現(xiàn)9 自由度 AHRS航姿參考系統(tǒng)數(shù)據(jù)融合仿真讀取 STM32 采集的 MPU6050加速度計 陀螺儀 磁力計 氣壓計的 CSV 傳感器數(shù)據(jù)使用雙狀態(tài)卡爾曼濾波器分別融合傳感器數(shù)據(jù)求解滾轉(zhuǎn)角 Roll、俯仰角 Pitch、偏航角 Yaw同時利用氣壓計計算高度并做一維卡爾曼濾波最后繪制姿態(tài)對比曲線并實現(xiàn)無人機 3D 數(shù)字孿生動畫實時展示無人機姿態(tài)變化。分段詳細解釋0. 初始化清空工作區(qū)、命令行關閉所有圖窗。讀取 CSV 傳感器數(shù)據(jù) 傳感器坐標軸校正讀取由 STM32 采集保存的 CSV 傳感器數(shù)據(jù)共 10 列dt0.62s傳感器采樣周期坐標軸交換與符號修正面包板硬件安裝方向與傳感器默認坐標系不一致交換 ax/ay、gx/gy并對 gx、gy 取反修正右手坐標系磁力計坐標軸對齊對 mx,my 交換并符號翻轉(zhuǎn)匹配載體坐標系。這一步非常關鍵硬件安裝方向會直接導致姿態(tài)鏡像、角度反向必須做軸映射。傳感器自動零偏標定Auto Calibration取前最多 50 個靜止采樣點求均值作為傳感器靜態(tài)零偏加速度計 az 額外減去 1.0g靜止時 Z 軸加速度理論值為重力加速度 1g原始傳感器數(shù)據(jù)減去零偏得到標定后傳感器數(shù)據(jù) ax_cal,gy_cal,gx_cal…消除靜態(tài)漂移。純傳感器原始角度計算無融合加速度計姿態(tài)角 roll_acc、pitch_acc利用重力在三軸加速度投影通過反正切計算滾轉(zhuǎn)、俯仰角優(yōu)點無漂移缺點運動時加速度干擾噪聲大。陀螺儀姿態(tài)角 roll_gyro、pitch_gyro對陀螺儀角速度做數(shù)值積分優(yōu)點動態(tài)響應快缺點積分漂移長時間誤差累積?？柭鼮V波核心目標融合加速度計長期穩(wěn)定 陀螺儀動態(tài)好取長補短?？柭鼮V波Roll 與 Pitch2 狀態(tài)卡爾曼氣壓計高度 Z 軸一維卡爾曼濾波國際標準大氣壓公式由氣壓值換算海拔高度 alt_raw一維卡爾曼僅狀態(tài)為高度沒有速度狀態(tài)預測只增加過程噪聲 Q_z更新用氣壓計原始高度觀測修正alt_kalman濾波后的平滑高度。繪圖模塊濾波性能對比圖第一張圖3 個子圖Sub1Roll 角對比加速度計原始角度、陀螺儀積分角度、卡爾曼融合角度Sub2Pitch 角對比Sub3高度對比原始氣壓高度、卡爾曼濾波高度單位 cm第二張圖Yaw 偏航角對比磁力計原始航向、陀螺儀積分航向、卡爾曼融合航向Y 軸限制 [-180,180°]繪圖目的直觀對比原始傳感器噪聲、陀螺儀漂移、卡爾曼濾波平滑效果。無人機 3D 數(shù)字孿生動畫可視化?二、部分源代碼和運行步驟1 部分代碼2 通用運行步驟1直接運行main.m即可一鍵出圖?三、運行結果?四、matlab版本及參考文獻1 matlab版本2019b2 參考文獻[1]樊家暉;竇銀科;寇立偉;張宇.基于干擾觀測器的多無人機-車滑模跟蹤控制研究[J].現(xiàn)代電子技術. 20263 備注簡介此部分摘自互聯(lián)網(wǎng)僅供參考若侵權聯(lián)系刪除 仿真咨詢1 各類智能優(yōu)化算法改進及應用1.1 PID優(yōu)化1.2 VMD優(yōu)化1.3 配電網(wǎng)重構1.4 三維裝箱1.5 微電網(wǎng)優(yōu)化1.6 優(yōu)化布局1.7 優(yōu)化參數(shù)1.8 優(yōu)化成本1.9 優(yōu)化充電1.10 優(yōu)化調(diào)度1.11 優(yōu)化電價1.12 優(yōu)化發(fā)車1.13 優(yōu)化分配1.14 優(yōu)化覆蓋1.15 優(yōu)化控制1.16 優(yōu)化庫存1.17 優(yōu)化路由1.18 優(yōu)化設計1.19 優(yōu)化位置1.20 優(yōu)化吸波1.21 優(yōu)化選址1.22 優(yōu)化運行1.23 優(yōu)化指派1.24 優(yōu)化組合1.25 車間調(diào)度1.26 生產(chǎn)調(diào)度1.27 經(jīng)濟調(diào)度1.28 裝配線調(diào)度1.29 水庫調(diào)度1.30 貨位優(yōu)化1.31 公交排班優(yōu)化1.32 集裝箱船配載優(yōu)化1.33 水泵組合優(yōu)化1.34 醫(yī)療資源分配優(yōu)化1.35 可視域基站和無人機選址優(yōu)化2 機器學習和深度學習分類與預測2.1 機器學習和深度學習分類2.1.1 BiLSTM雙向長短時記憶神經(jīng)網(wǎng)絡分類2.1.2 BP神經(jīng)網(wǎng)絡分類2.1.3 CNN卷積神經(jīng)網(wǎng)絡分類2.1.4 DBN深度置信網(wǎng)絡分類2.1.5 DELM深度學習極限學習機分類2.1.6 ELMAN遞歸神經(jīng)網(wǎng)絡分類2.1.7 ELM極限學習機分類2.1.8 GRNN廣義回歸神經(jīng)網(wǎng)絡分類2.1.9 GRU門控循環(huán)單元分類2.1.10 KELM混合核極限學習機分類2.1.11 KNN分類2.1.12 LSSVM最小二乘法支持向量機分類2.1.13 LSTM長短時記憶網(wǎng)絡分類2.1.14 MLP全連接神經(jīng)網(wǎng)絡分類2.1.15 PNN概率神經(jīng)網(wǎng)絡分類2.1.16 RELM魯棒極限學習機分類2.1.17 RF隨機森林分類2.1.18 SCN隨機配置網(wǎng)絡模型分類2.1.19 SVM支持向量機分類2.1.20 XGBOOST分類2.2 機器學習和深度學習預測2.2.1 ANFIS自適應模糊神經(jīng)網(wǎng)絡預測2.2.2 ANN人工神經(jīng)網(wǎng)絡預測2.2.3 ARMA自回歸滑動平均模型預測2.2.4 BF粒子濾波預測2.2.5 BiLSTM雙向長短時記憶神經(jīng)網(wǎng)絡預測2.2.6 BLS寬度學習神經(jīng)網(wǎng)絡預測2.2.7 BP神經(jīng)網(wǎng)絡預測2.2.8 CNN卷積神經(jīng)網(wǎng)絡預測2.2.9 DBN深度置信網(wǎng)絡預測2.2.10 DELM深度學習極限學習機預測2.2.11 DKELM回歸預測2.2.12 ELMAN遞歸神經(jīng)網(wǎng)絡預測2.2.13 ELM極限學習機預測2.2.14 ESN回聲狀態(tài)網(wǎng)絡預測2.2.15 FNN前饋神經(jīng)網(wǎng)絡預測2.2.16 GMDN預測2.2.17 GMM高斯混合模型預測2.2.18 GRNN廣義回歸神經(jīng)網(wǎng)絡預測2.2.19 GRU門控循環(huán)單元預測2.2.20 KELM混合核極限學習機預測2.2.21 LMS最小均方算法預測2.2.22 LSSVM最小二乘法支持向量機預測2.2.23 LSTM長短時記憶網(wǎng)絡預測2.2.24 RBF徑向基函數(shù)神經(jīng)網(wǎng)絡預測2.2.25 RELM魯棒極限學習機預測2.2.26 RF隨機森林預測2.2.27 RNN循環(huán)神經(jīng)網(wǎng)絡預測2.2.28 RVM相關向量機預測2.2.29 SVM支持向量機預測2.2.30 TCN時間卷積神經(jīng)網(wǎng)絡預測2.2.31 XGBoost回歸預測2.2.32 模糊預測2.2.33 奇異譜分析方法SSA時間序列預測2.3 機器學習和深度學習實際應用預測CPI指數(shù)預測、PM2.5濃度預測、SOC預測、財務預警預測、產(chǎn)量預測、車位預測、蟲情預測、帶鋼厚度預測、電池健康狀態(tài)預測、電力負荷預測、房價預測、腐蝕率預測、故障診斷預測、光伏功率預測、軌跡預測、航空發(fā)動機壽命預測、匯率預測、混凝土強度預測、加熱爐爐溫預測、價格預測、交通流預測、居民消費指數(shù)預測、空氣質(zhì)量預測、糧食溫度預測、氣溫預測、清水值預測、失業(yè)率預測、用電量預測、運輸量預測、制造業(yè)采購經(jīng)理指數(shù)預測3 圖像處理方面3.1 圖像邊緣檢測3.2 圖像處理3.3 圖像分割3.4 圖像分類3.5 圖像跟蹤3.6 圖像加密解密3.7 圖像檢索3.8 圖像配準3.9 圖像拼接3.10 圖像評價3.11 圖像去噪3.12 圖像融合3.13 圖像識別3.13.1 表盤識別3.13.2 車道線識別3.13.3 車輛計數(shù)3.13.4 車輛識別3.13.5 車牌識別3.13.6 車位識別3.13.7 尺寸檢測3.13.8 答題卡識別3.13.9 電器識別3.13.10 跌倒檢測3.13.11 動物識別3.13.12 二維碼識別3.13.13 發(fā)票識別3.13.14 服裝識別3.13.15 漢字識別3.13.16 紅綠燈識別3.13.17 虹膜識別3.13.18 火災檢測3.13.19 疾病分類3.13.20 交通標志識別3.13.21 卡號識別3.13.22 口罩識別3.13.23 裂縫識別3.13.24 目標跟蹤3.13.25 疲勞檢測3.13.26 旗幟識別3.13.27 青草識別3.13.28 人臉識別3.13.29 人民幣識別3.13.30 身份證識別3.13.31 手勢識別3.13.32 數(shù)字字母識別3.13.33 手掌識別3.13.34 樹葉識別3.13.35 水果識別3.13.36 條形碼識別3.13.37 溫度檢測3.13.38 瑕疵檢測3.13.39 芯片檢測3.13.40 行為識別3.13.41 驗證碼識別3.13.42 藥材識別3.13.43 硬幣識別3.13.44 郵政編碼識別3.13.45 紙牌識別3.13.46 指紋識別3.14 圖像修復3.15 圖像壓縮3.16 圖像隱寫3.17 圖像增強3.18 圖像重建4 路徑規(guī)劃方面4.1 旅行商問題TSP4.1.1 單旅行商問題TSP4.1.2 多旅行商問題MTSP4.2 車輛路徑問題VRP4.2.1 車輛路徑問題VRP4.2.2 帶容量的車輛路徑問題CVRP4.2.3 帶容量時間窗距離車輛路徑問題DCTWVRP4.2.4 帶容量距離車輛路徑問題DCVRP4.2.5 帶距離的車輛路徑問題DVRP4.2.6 帶充電站時間窗車輛路徑問題ETWVRP4.2.3 帶多種容量的車輛路徑問題MCVRP4.2.4 帶距離的多車輛路徑問題MDVRP4.2.5 同時取送貨的車輛路徑問題SDVRP4.2.6 帶時間窗容量的車輛路徑問題TWCVRP4.2.6 帶時間窗的車輛路徑問題TWVRP4.3 多式聯(lián)運運輸問題4.4 機器人路徑規(guī)劃4.4.1 避障路徑規(guī)劃4.4.2 迷宮路徑規(guī)劃4.4.3 柵格地圖路徑規(guī)劃4.5 配送路徑規(guī)劃4.5.1 冷鏈配送路徑規(guī)劃4.5.2 外賣配送路徑規(guī)劃4.5.3 口罩配送路徑規(guī)劃4.5.4 藥品配送路徑規(guī)劃4.5.5 含充電站配送路徑規(guī)劃4.5.6 連鎖超市配送路徑規(guī)劃4.5.7 車輛協(xié)同無人機配送路徑規(guī)劃4.6 無人機路徑規(guī)劃4.6.1 飛行器仿真4.6.2 無人機飛行作業(yè)4.6.3 無人機軌跡跟蹤4.6.4 無人機集群仿真4.6.5 無人機三維路徑規(guī)劃4.6.6 無人機編隊4.6.7 無人機協(xié)同任務4.6.8 無人機任務分配5 語音處理5.1 語音情感識別5.2 聲源定位5.3 特征提取5.4 語音編碼5.5 語音處理5.6 語音分離5.7 語音分析5.8 語音合成5.9 語音加密5.10 語音去噪5.11 語音識別5.12 語音壓縮5.13 語音隱藏6 元胞自動機方面6.1 元胞自動機病毒仿真6.2 元胞自動機城市規(guī)劃6.3 元胞自動機交通流6.4 元胞自動機氣體6.5 元胞自動機人員疏散6.6 元胞自動機森林火災6.7 元胞自動機生命游戲7 信號處理方面7.1 故障信號診斷分析7.1.1 齒輪損傷識別7.1.2 異步電機轉(zhuǎn)子斷條故障診斷7.1.3 滾動體內(nèi)外圈故障診斷分析7.1.4 電機故障診斷分析7.1.5 軸承故障診斷分析7.1.6 齒輪箱故障診斷分析7.1.7 三相逆變器故障診斷分析7.1.8 柴油機故障診斷7.2 雷達通信7.2.1 FMCW仿真7.2.2 GPS抗干擾7.2.3 雷達LFM7.2.4 雷達MIMO7.2.5 雷達測角7.2.6 雷達成像7.2.7 雷達定位7.2.8 雷達回波7.2.9 雷達檢測7.2.10 雷達數(shù)字信號處理7.2.11 雷達通信7.2.12 雷達相控陣7.2.13 雷達信號分析7.2.14 雷達預警7.2.15 雷達脈沖壓縮7.2.16 天線方向圖7.2.17 雷達雜波仿真7.3 生物電信號7.3.1 肌電信號EMG7.3.2 腦電信號EEG7.3.3 心電信號ECG7.3.4 心臟仿真7.4 通信系統(tǒng)7.4.1 DOA估計7.4.2 LEACH協(xié)議7.4.3 編碼譯碼7.4.4 變分模態(tài)分解7.4.5 超寬帶仿真7.4.6 多徑衰落仿真7.4.7 蜂窩網(wǎng)絡7.4.8 管道泄漏7.4.9 經(jīng)驗模態(tài)分解7.4.10 濾波器設計7.4.11 模擬信號傳輸7.4.12 模擬信號調(diào)制7.4.13 數(shù)字基帶信號7.4.14 數(shù)字信道7.4.15 數(shù)字信號處理7.4.16 數(shù)字信號傳輸7.4.17 數(shù)字信號去噪7.4.18 水聲通信7.4.19 通信仿真7.4.20 無線傳輸7.4.21 誤碼率仿真7.4.22 現(xiàn)代通信7.4.23 信道估計7.4.24 信號檢測7.4.25 信號融合7.4.26 信號識別7.4.27 壓縮感知7.4.28 噪聲仿真7.4.29 噪聲干擾7.5 無人機通信7.6 無線傳感器定位及布局方面7.6.1 WSN定位7.6.2 高度預估7.6.3 濾波跟蹤7.6.4 目標定位7.6.4.1 Dv-Hop定位7.6.4.2 RSSI定位7.6.4.3 智能算法優(yōu)化定位7.6.5 組合導航8 電力系統(tǒng)方面微電網(wǎng)優(yōu)化、無功優(yōu)化、配電網(wǎng)重構、儲能配置