或
与
{{ forum.displayName }}
{{ forum.displayName }}
全部文章
只看精选
至
匹配程度
发表时间
降序
升序
收起
高级搜索
约找到 55 条结果，耗时 0.242 秒
那开伞段你选在哪都行[s:274] ）-------------------------------------------------------------------------关键点：好的滤波算法
反正既然存在，既然还有被提起，肯定……从前面没看出你的程序哪里带了“GPIO，AFIO，USART，ADC的使能和调用，还有简单的低通滤波算法”等“高级技术”……从主贴的：学习STM32有一段时间了，不得不说
舵机角度还是会发生抖动，后来对6050输出的数据进行简单分析发现，6050输出的数据也是在不断发生抖动的，由此我推测可能是6050的数据导致舵机不断抖动，因此开始对6050的输出数据进行处理，这里我选择了卡尔曼滤波算法
程序姿态判断部分用的是卡尔曼滤波算法（用直接读取加速度计的数值，在强震动时继电器会误动作），自己拿着这玩意朝桌子上用劲敲了几下，继电器没有误动作，工作完全正常。过几天装箭试试。
作为滤波算法和系统的测试品，这样级别的IMU绝对已经够用，等时机成熟再考虑更好的IMU。 此外，ADI的IMU不在本次经费申请的范围内，可以移步其他版块进行详细讨论。
这边飞控还在开发中，底层代码已经写完了，但是惯导和ESKF滤波算法还没加入，状态机也没搞好，这些我尽快，不过这个月也是很忙……这个专栏还是当个记录了，具体的我打算等完全做好，发射测试后在统一发一个文来开源
滤波算法。仅是PID控制而已。事先在matlab里模拟了一遍试调了一遍参数，多么美好的，图中蓝线是之前采到的手抖动角速度曲线，绿色是算出的力偶量，红色是稳像后的角速度曲线。
新版代码，加入卡尔曼滤波算法，滤波效果相对更加优秀，只需更改原版的hx711XXXXO.ino，其他步骤同文不过lz说“然后加了一个TF卡检测”，我代码里不本来就有一个检测吗……hx711XXXXO.ino
其实这个就是滤波算法选择了，尝试过直接取三轮平均，评分会受到极值影响，尝试过去极值取平均，发现需要5个AI给出评分结果才比较可信（计算IRR），且对Token消耗较大。
这个小程序所实现的功能一开始是基于ADXL345模块和L3G4200D模块结合相应的滤波算法实现，但是系统整体运行速度和过滤杂波的效果及抗震动性能实在不敢恭维。
再加上计算机的浮点误差，这个四元数很快会偏移出归一化四元数，所以要定时归一化；其次要结合加速度传感器和磁力计的数据进行融合，这个算法就较为复杂了，还是那句话，如果自己写，且不是硬件资源太紧张还是用kalman滤波算法比较好
其它测距方法——模拟去斜
上述匹配滤波算法均是在数字域完成的，下面分析一种在轻小型SAR雷达中常用的信号去斜手段：
这是nanoSAR接收端去斜的框图：
去斜结构如图中Dechirping框中所示。
气压定高、磁场定向组合，能给出精度和实时性都不错的姿态速度位置等数据2.组合导航使用了简化的kalman滤波（我还在学……这次就相当于蒙了那个K，下一代肯定上完整的），姿态使用的imu自带kalman滤波算法
以下资料为转载于阿莫论坛 希望大家好好学习理解互换心得从开始做四轴到现在，已经累计使用了三个月的时间，从开始的尝试用四元数法进行姿态检测，到接着使用的卡尔曼滤波算法，我们走过了很多弯路，我在从上周开始了对德国人四轴代码的研究和移植
Serial.print(weight); Serial.print("g\t"); Serial.print(force, 3); Serial.println("N");}另外我加了一个滤波算法
卡尔曼滤波算法在飞行器中的应用#include <avr io.h="">#include <avr iom16.h="">#include <avr interrupt.h="">#include <math.h>#include</math.h></avr></avr></avr>
导航方面提供纯惯性导航（Pure INS）、六维固定增益融合算法（SF6）、六维卡尔曼滤波算法（KF6）及十五维误差状态扩展卡尔曼滤波算法（ESKF15），以适应不同的硬件资源与估计需求。