【逐行注释】自适应Q的AUKF|MATLAB代码|无需下载，可直接复制到MATLAB上面运行

状态估计在电力系统中具有重要的应用，能够提供对电网中潮流、电压、频率等状态变量的实时估计，为电力系统运行和故障检测等方面提供支持。需要注意的是，在状态估计研究中，选择适当的滤波算法和参数设置，以及合理的模型建立，都是影响状态估计精度的关键因素。1. 电力系统状态估计：利用这些方法可以根据电网中的测量数据和系统模型，实时估计电力系统中的节点电压、电流等状态变量，从而提供对电网运行状态的准确估计。3. 潮流计算：通过对电力系统的状态进行估计，可以计算电力系统中的潮流分布，包括潮流方向、潮流大小等信息。

该文章探讨了一种基于 Rao-Blackwellized 粒子平滑的同步定位与地图构建 (SLAM) 框架，该框架可以高效地处理密集和稀疏地图表示，通过对条件线性模型和条件线性化模型进行 Rao-Blackwellization。文章展示了该方法在无线电 (BLE/Wi-Fi)、磁场和视觉 SLAM 等应用中的仿真和真实世界实验结果，表明该方法在处理混杂噪声的情况下表现良好。引言同步定位与地图构建 (SLAM) 是指在未知环境中构建地图表示的同时定位自身的任务。

基于UKF和AUKF的电力系统负荷存在突变时的三相状态估计研究是一种利用无迹卡尔曼滤波（Unscented Kalman Filter, UKF）和改进的无迹卡尔曼滤波（Augmented Unscented Kalman Filter, AUKF）方法来处理电力系统负荷突变情况下的状态估计问题。考虑负荷突变对电力系统的影响，细化负荷模型，包括各个负荷的特性和突变情况。4. 突变检测：设计突变检测算法，通过对估计误差和测量噪声的分析，检测负荷突变的发生，并及时对滤波算法进行调整和校正。行百里者，半于九十。

基于三维模型的UKF，设计一段时间的输入状态误差较大，此时通过对比预测的状态值与观测值的残差，在相应的情况下自适应调节系统协方差Q和观测协方差R，构成自适应无迹卡尔曼滤波（AUKF），与传统的UKF相比，三轴误差的平均值得到了降低，带经典UKF的误差对比、无滤波情况下的UKF对比。带中文注释。

自适应无迹卡尔曼滤波AdaptiveUnscentedKalmanFilterAUKFAdaptiveUnscentedKalmanFilterAUKF是一种用于状态估计的滤波算法。它是基于无迹卡尔曼滤波UnscentedKalmanFilterUKFUnscentedKalmanFilterUKF。

自适应无迹卡尔曼滤波在无迹卡尔曼滤波的基础上，引入了自适应的思想。它通过动态地调整无迹点的数量和分布，以适应系统的动态变化。具体来说，它使用一种自适应的方法来根据系统的动态特性进行无迹点的选择和更新，从而提高系统的估计精度。自适应无迹卡尔曼滤波适用于非线性和非高斯的系统状态估计问题，可以广泛应用于机器人导航、目标跟踪、航天器导航等领域。它通过动态地调整无迹点的数量和分布，能够更好地适应系统的动态特性，提高估计精度，同时具有较低的计算复杂度。用迭代的方法计算真值和滤波前的值。经典的无迹卡尔曼滤波。

自适应无迹卡尔曼滤波在无迹卡尔曼滤波的基础上，引入了自适应的思想。它通过动态地调整无迹点的数量和分布，以适应系统的动态变化。具体来说，它使用一种自适应的方法来根据系统的动态特性进行无迹点的选择和更新，从而提高系统的估计精度。它通过动态地调整无迹点的数量和分布，能够更好地适应系统的动态特性，提高估计精度，同时具有较低的计算复杂度。**累积分布函数（CDF）**图像的作用是展示数据在不同值范围内的累积概率分布情况。通过CDF图像，可以直观地看到数据的分布特性和不同滤波方法的效果。

 ukf(无迹卡尔曼滤波)算法的matlab程序. function [x,P]=ukf(fstate,x,P,hmeas,z,Q,R) % UKF   Unscented Kalman Filter for nonlinear dynamic systems % [x, P] = ukf(f,x,P,h,z,Q,R) returns state estimate, x and sta

一个应用实例详解卡尔曼滤波及其算法实现 标签: 算法 filtermatlabalgorithm 优化工作 2012-05-14 10:48 75511 人阅读 评论(25) 收藏 举报 分类: 数据结构及其......整个跟踪的 MATLAB 仿真运算时间是:EKF 共用了 6.126 秒,而 UKF 共用了 11.996 秒。从运算消耗来看两者基本在一个数量级, UKF 消耗不到 EKF 时间...

本文研究了基于单目视觉的运动刚体位姿估计问题,提出了基于自适应无迹卡尔曼滤波算法(Adaptive Unscented Kalman Filter,AUKF)的位姿估计方法.考虑到运动刚体位姿估计系统的量测方程为非线性且过程噪声统计特征未知,通过递推噪声估计器在线估计过程噪声的均值和方差阵,解决了位姿估计系统中过程噪声统计特性未知时估计精度下降的问题.实验结果表明,AUKF算法提高了位姿估计的精度,并实现了过程噪声统计特性的在线估计.部分理论引用网络文献，若有侵权联系博主删除。

机器人运动学几何参数辨识（MATLAB实现）

RRT（Rapidly-exploring Random Tree）2D & 3D 路径规划 — MATLAB

基于模糊系统逼近的自适应控制 — 理论与 MATLAB 仿真

本文介绍了MATLAB中三种常用滤波器（低通、高通、带通）的设计与应用方法。首先通过合成信号示例展示了滤波器在信号去噪中的重要作用，详细讲解了Butterworth和FIR滤波器的设计步骤，包括参数设置、频率响应分析和实际应用。文章还对比了不同滤波器特性，并提供了心电图信号处理的实用案例。最后总结了滤波器选择、参数设置和性能评估的最佳实践，强调要综合考虑计算复杂度、相位特性和实际需求。MATLAB的Signal Processing Toolbox为滤波器设计提供了强大支持，掌握这些技能能有效解决实际信号处

本文系统研究了豪猪算法(CPO)、蜣螂算法(DBO)和人工旅鼠算法(ALA)三种新兴启发式算法在复杂山地无人机路径规划中的应用。文章首先建立了包含正弦叠加地形、随机噪声及球形障碍物的三维山地模型，设计了综合考虑路径长度、安全性、平滑度与边界约束的适应度函数。随后分别阐述了三种算法的生物原理、数学模型与核心更新机制，给出了完整的MATLAB实现源码及参数配置脚本。最后通过仿真对比了三种算法的收敛速度、路径质量与鲁棒性，结果表明ALA在收敛速度和路径平滑度上表现最优，DBO在障碍物密集区更具稳定性

碎纸片自动拼接系统（MATLAB 实现）

二维弹塑性有限元分析（von Mises 等向硬化）— MATLAB 实现