دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: موجک و پردازش سیگنال ویرایش: 4ed. نویسندگان: Brown R.G., Hwang P.Y.C. سری: ISBN (شابک) : 9780470609699 ناشر: Wiley سال نشر: 2012 تعداد صفحات: 397 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب مقدمه ای بر سیگنال های تصادفی و فیلتراسیون کاربردی کالمان با تمرینات Matlab: ابزار دقیق، پردازش سیگنال، روش های آماری
در صورت تبدیل فایل کتاب Introduction to Random Signals and Applied Kalman Filtering with Matlab Exercises به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مقدمه ای بر سیگنال های تصادفی و فیلتراسیون کاربردی کالمان با تمرینات Matlab نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
پیشرفت در رایانه ها و سیستم های ناوبری شخصی کاربردهای فیلترهای کالمن را بسیار گسترش داده است. یک فیلتر کالمن از اطلاعات مربوط به نویز و دینامیک سیستم برای کاهش عدم قطعیت از اندازه گیری های نویز استفاده می کند. کاربردهای رایج فیلترهای کالمن شامل زمینه هایی مانند سیستم های خلبان خودکار، تخمین وضعیت شارژ باتری (SoC)، رابط مغز و کامپیوتر، موقعیت یابی پویا، سیستم های هدایت اینرسی، ردیابی رادار و سیستم های ناوبری ماهواره ای است. کتاب درسی پرفروش براون و هوانگ تئوری و کاربردهای فیلتر کالمن را برای دانشجویان ارشد و دانشجویان کارشناسی ارشد معرفی می کند. این ویرایش، هم پیشرفت های تحقیقاتی در تغییرات الگوریتم فیلتر کالمن را به روز می کند و هم طیف گسترده ای از نمونه های کاربردی جدید را اضافه می کند. این کتاب بر استفاده از ابزارهای نرم افزار محاسباتی مانند MATLAB تاکید دارد. وبسایت همراه شامل فایلهای M برای کمک به دانشآموزان در استفاده از MATLAB برای حل مشکلات تکالیف پایان فصل است.
Advances in computers and personal navigation systems have greatly expanded the applications of Kalman filters. A Kalman filter uses information about noise and system dynamics to reduce uncertainty from noisy measurements. Common applications of Kalman filters include such fast-growing fields as autopilot systems, battery state of charge (SoC) estimation, brain-computer interface, dynamic positioning, inertial guidance systems, radar tracking, and satellite navigation systems. Brown and Hwang's bestselling textbook introduces the theory and applications of Kalman filters for senior undergraduates and graduate students. This revision updates both the research advances in variations on the Kalman filter algorithm and adds a wide range of new application examples. The book emphasizes the application of computational software tools such as MATLAB. The companion website includes M-files to assist students in applying MATLAB to solving end-of-chapter homework problems.