举一反三
- 【滤波理论】标准的卡尔曼滤波算法如下所示：(1) x ̂[k∕k-1]=Φ[k,k-1]x ̂[k-1∕k-1](2)P_x ̃ [k∕k-1]=Φ[k,k-1]P_x ̃ [k-1∕k-1]Φ [k,k-1]+Γ[k-1]Q[k-1]Γ' [k-1] (3)K[k]=P_x ̃ [k∕k-1]H' [k](H[k]P_x ̃ [k∕k-1]H'[k]+R[k])^(-1)(4) x ̂[k∕k]=x ̂[k∕k-1]+K[k](z[k]-H[k]x ̂[k∕k-1]) (5) P_x ̃ [k∕k]=(I-K[k]H[k])P_x ̃ [k∕k-1] 其中不可以离线计算的是： A: 预测误差方差阵 P_x ̃ [k∕k-1] B: 滤波值 x ̂[k∕k] C: 增益 K[k] D: 滤波误差方差阵 P_x ̃ [k∕k]
- 已知x=[-43,72,9,16,23,47]，当输入命令>;>; [y,k]=max(x)y和k分别等于（ ）。 A: 47,2 B: 72,2 C: 47,6 D: 72,6
- 3 、 反应 X + 2Y → Z 是一个 2.5 级反应，下面的速率方程式中，可能正确的是 . . (A) v = k c (X)[ c (Y)] 2 ； (B) v = k c (X)[ c (Y)] 3/2 ； (C) v = k [ c (X)] 2 c (Y) ； (D) v = k [ c (X)] 0 [ c (Y)] 2
- 标量系统的状态方程和观测方程分别为????[????+1]=????????[????]+????[????]????[????]=????[????]+????[????]已知????=0.5, n[k]为和w[k]分别为白噪声，且观测噪声方差σ_w^2=8，状态噪声方差σ_n^2=7，则以下关于卡尔曼增益和滤波误差方差稳态值的说法正确的是： A: K(¥)=0.5，P_x ̃ [¥]=4 B: K(¥)=0.5，P_x ̃ [¥]=2 C: K(¥)=0.25，P_x ̃ [¥]=4 D: K(¥)=0.25，P_x ̃ [¥]=2
- 以下程序输出的结果是____。 #include #include main( ) { char w[ ][10]={"ABCD","EFGH","IJKL","MNOP"}, k; for(k=1;k<3;k++) printf("%s ",&w[k][k]); }
内容
- 0
模型中含有控制项和偏置项时，信号模型和观测模型分别如下所示，信号模型： x[k+1]=Φ[k+1,k]x[k]+B[k]u[k]+Γ[k]n[k] 观测模型： z[k]=H[k]x[k]+d[k]+w[k]下列关于该模型的说法中，正确的是： A: ????[????]u[k]和????[????]d[k]都是统计特性已知的随机信号 B: ????[????]u[k]和????[????]d[k]都是已知的确定信号 C: 预测方程为????[????????−1]=????[????,????−1]????[????−1????−1] x ̂[k∕k-1]=Φ[k,k-1]x ̂[k-1∕k-1] D: 滤波方程为????[????????]=????[????????−1]+????[????](????[????]−????[????]????[????????−1]├ x ̂[k∕k]=x ̂[k∕k-1]+K[k](z[k]-H[k]x ̂[k∕k-1])
- 1
一个标量系统的状态方程和观测方程分别为????[????+1]=????????[????]+????[????] ????[????]=????[????]+????[????]。卡尔曼滤波误差方差和预测误差方差分别为????????[????????]=(1−????[????])????????[????????−1]=????????2????????[????????−1????????[????????−1]+????????2、????????[????????−1]=????2????????[????−1????−1]+????????2P_x ̃[k∕k]=(1-K[k]) P_x ̃[k∕k-1]=(σ_w^2) P_x ̃[k∕k-1]/(P_x ̃[k∕k-1]+(σ_w^2) ) P_x ̃[k∕k-1]=(a^2) P_x ̃[k-1∕k-1]+(σ_n^2)，则下列说法中不正确的是： A: 第k时刻的滤波误差方差P_x ̃[k∕k] £ 第k时刻的预测误差方差P_x ̃[k∕k-1] B: 第k时刻的滤波误差方差????????[????????]P_x ̃[k∕k] ³ 第k时刻的预测误差方差????????[????????−1]P_x ̃[k∕k-1] C: 滤波误差方差????????[????????]P_x ̃[k∕k] £观测噪声方差????????2σ_w^2 D: 预测误差方差P_x ̃[k∕k-1] ³扰动噪声方差σ_n^2
- 2
设[H, ∗]，[K, ∗]是群[G, ∗]的子群，下面那个代数系统也是[G, ∗]的子群 未知类型：{'options': ['[H-K, ∗]', '[H∪K, ∗]', '[H∩K, ∗]', '[H-K, ∗]'], 'type': 102}
- 3
一个标量系统的状态方程和观测方程分别为 x[k+1]=ax[k]+n[k] z[k]=x[k]+w[k]系统的卡尔曼增益为????[????]=????????[????????−1]????????[????????−1]+????????2−1K[k]=P_x ̃ [k∕k-1](P_x ̃ [k∕k-1]+σ_w^2 )^(-1)，关于它说法正确的是： A: 卡尔曼增益可以离线计算，而且其值在[0,1/2]之间 B: 预测误差方差越大，卡尔曼增益越小 C: 观测方差越大，卡尔曼增益越大 D: 卡尔曼增益越大，新息对估计的修正作用越强
- 4
设[H, °]和[K, °]是群[G, °]的子群，下面那个代数系统一定是[G, °]的子群 未知类型：{'options': ['[HK, °]，HK={hk| h∈H ∧ k∈K}', '[H∩K, °]', '[H-K, °]', '[K-H, °]'], 'type': 102}