强跟踪滤波程序在组合导航中的应用研究,matlab代码,可运行。
2022-07-04 02:21:06 88KB strong tracking filter, stf
1
位置经理变得轻松 SwiftLocation是轻量级的Swift库,它提供了一种使用与位置相关的功能的简便方法。 委托或回调不会给您带来更多麻烦,而是具有多个订阅并自动调整核心位置管理器设置的基于请求的简单体系结构。 特征 描述 :satellite: 通过GPS定位 使用完全可配置的API监视单个,连续或重要的位置更新。 ‍:laptop: 通过IP定位 未经用户授权的大概位置数据。 ∙ ∙ ∙ ∙ ∙ 。 :kick_scooter: 地理围栏 支持监视圆形区域和自定义多边形。 :globe_showing_Europe-Africa: 编码器反向地理编码器 从坐标获取地址,反之亦然。 ∙ ∙∙ ∙ 。 :house: 自动完成 有关地址,地点或POI的建议和详细信息。∙ ∙。 :round_pushpin: 信标 信标测距,监视。 :satellite_antenna: 信标广播 从应用程序广播信标(仅前景) 。 :national_park: 来访 重要的访问位置监视。 :person_playing_handball:
1
FlightAirMap支持地图、空域、METAR、PDO 和 ADS-B。 浏览基于特定飞机、航空公司或机场的数据以搜索数据库。查看广泛的统计数据,例如最常见的飞机类型、航空公司、出发和到达机场以及一天中最繁忙的时间,或者只是探索航班。 航班显示在 2D 地图上,可以来自:OpenStreetMap、Mapbox、MapQuest、Yandex、Bing、Google,... 或使用 OpenStreetMap 或 Bing 的 3D 地图。 它可以与 Dump1090 或任何 SBS 源一起使用。 也可用于虚拟航空公司资源,如 FlightGear、IVAO 的 whazzup.txt、VATSIM、phpvms、Virtual Airlines Manager,... 它还支持 glidernet APRS 源。 卫星可以显示在 3D 地图上。 在 12 月,您可以跟踪圣诞老人的航班。 对于船只,AIS 是受支持的来源,因此船只可以在
2022-07-03 09:05:13 99.41MB t-sql语言
光伏电池最大功率点的跟踪方法pdf,光伏电池最大功率点的跟踪方法
2022-07-02 15:34:33 314KB 电池管理
1
适用于yolov5 6.0版本的 拥挤人群识别跟踪权重
2022-07-02 09:10:13 116.71MB 图像处理
1
关于光学设计,使用Zemax进行设计的一些文件,主要是学习视频跟做的项目
2022-07-01 19:01:09 19KB Zemax
1
文档主要如何写makefile文件,包括介绍makefile的作用,makefile的基本语法,高级用法。 作为linux编程开发人员,编译大型工程必须懂make,makefile 定义了一系列的规则来指定,哪些文件需要先编译, 哪些文件需要后编译,哪些文件需要重新编译,甚至于进行更复杂的功能操作,因为 makefile 就像一个 Shell 脚本一样,其中也可以执行操作系统的命令。 makefile 带来的好处就是——“自动化编译”,一旦写好,只需要一个 make 命令,整个工程完全自动编译,极大的提高了软件开发的效率
2022-07-01 16:16:16 572KB Makefile
1
使用C#编写的wpf五子棋人人对战程序,能实现棋子跟随鼠标
2022-06-30 11:04:32 668KB C# 五子棋 棋子跟随鼠标 wpf
1
针对星空背景下卫星跟踪中运动小目标与伪目标交会造成的跟踪漂移问题, 提出一种基于多域卷积神经网络(MDNet)与自回归(AR)模型的空中小目标自适应跟踪方法。 对用MDNet采集到的图像序列第1帧的正样本进行bounding-box回归模型训练; 再训练用最小信息准则和最小二乘法确定阶数和参数的AR模型, 估计目标运动轨迹并预测目标位置; 最后, 将该目标位置作为MDNet的采样中心, 约束采样候选区域, 用bounding-box回归模型调整目标位置。 实验用8种跟踪方法测试了8组场景复杂的视频序列, 结果表明, 本文方法的成功率及平均覆盖率均显著高于其他7种典型算法, 具有较高的精确性和稳健性。
2022-06-29 17:50:48 11.18MB 机器视觉 小目标跟 多域卷积 自回归模
1
本文提出了一种迭代学习控制方法,可以预先指定错误轨迹。 该方法不需要每次迭代的初始条件都应保持为固定值,而常规方法通常会假定此要求。 所提出的策略是使跟踪误差轨迹在整个间隔内收敛到预先指定的轨迹。 分别研究了常数参数化,时变参数化和组合情况。 因此,通过类似Lyapunov的方法,给出了学习规律并详细分析了学习系统。 利用不饱和/饱和学习定律,系统误差在整个时间间隔内与预定误差轨迹一致,并且保证封闭系统中的所有信号都受到限制。 数值结果验证了该方法的有效性。
2022-06-29 03:05:34 640KB Initial condition problem; convergence;
1