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
ویرایش: نویسندگان: Mohinder S. Grewal, Angus P. Andrews سری: ISBN (شابک) : 9780471392545 ناشر: Wiley سال نشر: 2001 تعداد صفحات: 398 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
در صورت تبدیل فایل کتاب Kalman Filtering Theory and Practice using MATLAB 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 تئوری و تمرین فیلتر کالمن با استفاده از متلب 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.
در این مقدمه عملی بر نظریه و کاربردهای فیلتر کالمن، نویسندگان Mohinder Grewal و Angus Andrews از دههها تجربه خود استفاده میکنند تا بررسی عمیقی از ظرافتها، مشکلات رایج و محدودیتهای نظریه تخمین را در شرایط واقعی ارائه دهند. . آنها نمونههای گویا بسیاری را ارائه میدهند که از مجموعهای از مناطق کاربردی از جمله INS به کمک GPS، مدلسازی ژیروسکوپها و شتابسنجها، ناوبری اینرسی و کنترل ترافیک آزادراهها گرفته شدهاند. علاوه بر این، آنها درسهای سخت و روشهای اصلی طراحی، پیادهسازی، اعتبارسنجی و بهبود فیلترهای کالمن را به اشتراک میگذارند.
In this practical introduction to Kalman filtering theory and applications, authors Mohinder Grewal and Angus Andrews draw upon their decades of experience to offer an in-depth examination of the subtleties, common problems, and limitations of estimation theory as it applies to real-world situations. They provide many illustrative examples drawn from an array of application areas including GPS-aided INS, the modeling of gyros and accelerometers, inertial navigation, and freeway traffic control. In addition, they share many hard-won lessons about, and original methods for, designing, implementing, validating, and improving Kalman filters.