platon_3344的专栏

联合概率数据互联JPDA是数据关联算法之一，它的基本思想是：对应于观测数据落入跟踪门相交区域的情况，这些观测数据可能来源于多个目标。JPDA的目的在于计算观测数据与每一个目标之间的关联概率，且认为所有的有效回波都可能源于每个特定目标，只是它们源于不同目标的概率不同。JPDA算法的优点在于它不需要任何关于目标和杂波的先验信息，是在杂波环境中对多目标进行跟踪的较好方法之一。然而当目标和量测数目增多时，JPDA算法的计算量将出现组合爆炸现象，从而造成计算复杂。

联合概率数据互联JPDA是数据关联算法之一，它的基本思想是：对应于观测数据落入跟踪门相交区域的情况，这些观测数据可能来源于多个目标。JPDA的目的在于计算观测数据与每一个目标之间的关联概率，且认为所有的有效回波都可能源于每个特定目标，只是它们源于不同目标的概率不同。JPDA算法的优点在于它不需要任何关于目标和杂波的先验信息，是在杂波环境中对多目标进行跟踪的较好方法之一。然而当目标和量测数目增多时，JPDA算法的计算量将出现组合爆炸现象，从而造成计算复杂。

1、imm（交互多模型卡尔曼滤波器）是采用的对个卡尔曼滤波器模型同时做跟踪， 然后利用模型概率综合出，对每个模型的可行度，对每个模型输出的预测值和协方差，进行加权求平均 2、imm重点的核心在于，多个滤波器的概率的更新的方法，imm采用的是最大似然估计。 3、imm滤波器应该考虑的因素： a、选择一定个数的imm滤波器，包括较为精确的模型和较为粗糙的模型，imm滤波算法不仅描述了目标的连续运动状态 还描述了目标的机动性 b、马尔科夫链状态转移概率的选择，对imm滤波器的性能较大影响。 c、imm算法具有模块化的特性，当运动模型较为精确的时候，可以采用比较精确的运动模型。 当无法预料目标的运动规律的时候，那就应该选择更一般的模型，使得该模型具有更强的鲁棒性。

1、imm（交互多模型卡尔曼滤波器）是采用的对个卡尔曼滤波器模型同时做跟踪， 然后利用模型概率综合出，对每个模型的可行度，对每个模型输出的预测值和协方差，进行加权求平均 2、imm重点的核心在于，多个滤波器的概率的更新的方法，imm采用的是最大似然估计。 3、imm滤波器应该考虑的因素： a、选择一定个数的imm滤波器，包括较为精确的模型和较为粗糙的模型，imm滤波算法不仅描述了目标的连续运动状态 还描述了目标的机动性 b、马尔科夫链状态转移概率的选择，对imm滤波器的性能较大影响。 c、imm算法具有模块化的特性，当运动模型较为精确的时候，可以采用比较精确的运动模型。 当无法预料目标的运动规律的时候，那就应该选择更一般的模型，使得该模型具有更强的鲁棒性。

SVM方法

knn学习算法

K-means学习

PSO路径规划算法，源码

verilog 实现2分频电路，资源利用少，执行效率高

包含STC 所有的芯片，最全的下载工具，方便易用

串口调试工具，完成上位机和单片机或者ARM串口通信的简单工具，方便易用。