说明：扩展kalmanfilter（也称为线性化卡尔曼滤波）： 是一个简单的非线性近似滤波算法，指运动或观测方程不是线性的情况。 无迹kalman滤波（UKF） KF和EKF都是都将问题转化为线性高斯模型，所以可以直接解出贝叶斯递推公式中的解析形式，方便运算。但对于非线性问题...
说明：本章介绍两种非线性Kalman滤波器[15-17]，一种是扩展Kalman滤波器（Extended Kalman Filter，简称EKF），其基本思想是利用泰勒展开，将非线性方程直接线性化。线性化后的系统模型和系统实际的非线性模型会有差别，非线性越强，差别就会越大。不过，EKF的优势也不容忽视，由...
说明：无迹卡尔曼滤波UKF摒弃了对非线性函数进行线性化的传统做法，采用卡尔曼线性滤波框架，对于一步预测方程，使用无迹变换UT来处理均值和协方差的非线性传递问题。UKF算法是对非线性函数的概率密度分布进行近似，用一系列确定样本来逼近状态的后验概率密度，而不是对非线性函数进行近似，不需要对Jacobian矩阵...
说明：处理非线性问题时，通常的处理方法是利用线性化技巧将非线性滤波问题转化为一个近似的线性滤波问题，套用线性滤波理论得到求解原非线性滤波问题的次优滤波算法，其中最常用的线性化方法是泰勒级数展开，所得到的滤波方法是扩展卡尔曼滤波（EKF）
说明：机动目标跟踪源代码，粒子滤波 主要是关于基于粒子滤波器的目标跟踪算法及实现。粒子滤波是以贝叶斯推理和重要性采样为基本框架。贝叶斯推理就是类似于卡尔曼滤波的过程。而卡尔曼滤波是线性高斯模型，对于非线性非高斯模型，就采用蒙特卡洛方法（Monte Carlo method,即以某时间出现的频率来指代...
说明：旋转森林最近热门的集成学习分类方法，可用于模式识别分类。当输入数据中存在非线性关系的时候，基于线性回归的模型就会失效，而基于树的算法则不受数据中非线性关系的影响，基于树的方法最大的一个困扰时为了避免过拟合而对树进行剪枝的难度，对于潜在数据中的噪声，大型的树倾向于受影响，导致低偏差（过度拟合）或高方差...
说明：应用背景该方法适用于任意程度的线性和非线性系统。离散系统的方法是Tustin方法或两个线改造方法。该算法是非常简单和用户友好的。关键技术在这个代码中，可以比较2种情况······························设计了离散时间控制器。··························...