惯性指数

功能：介绍了一种惯性导航系统姿态动态初始化的方法。输入包括前一时刻的GPS导航数据BLH1、载体位置mimudat1和MIMU测量数据gpsdat2，以及当前时刻的GPS导航数据BLH2、载体位置mimudat2和MIMU测量数据。输出包括中间时刻体坐标系b相对于移动站北东地坐标系n的姿态角attitude和旋转四元数Q_n_b。

maplab是一个面向研究的视觉惯性映射框架，用C++编写，支持创建、处理和操作多会话地图。它不仅提供视觉惯性制图和定位系统，还包含地图合并、视觉惯性批处理优化和循环闭合等工具。ROVIOLI在线前端能够实时跟踪全球无漂移姿态。maplab已成为许多科学出版物的实验平台。

MATLAB代码优化方面涉及到澳大利亚10代低惯性网格形成和跟随虚拟惯性的实现。

Matlab开发 - 广义矩阵指数。使用初始条件y（0）=单位矩阵i来解y（1），其中y'（t）=d（t）*y（t）。

matlab的欧拉方法代码，用于惯性导航解算。本程序由三人小组完成：hj负责算法部分，pzl负责界面设计和功能优化，myj编写帮助文档及程序介绍视频。主要实现欧拉角、方向余弦阵、四元数与等效旋转矢量之间的转换，大地坐标与地心直角坐标的相互转换，IMR格式惯导数据的读取与解析，以及地理坐标系下的姿态、速度和位置更新及粗对准。

指数平滑的 MATLAB 实现，用起来还挺顺手的。项目里主打文件是expsmooth.m，算法逻辑清晰，参数配置也比较灵活。想搞定时间序列的短期波动，这工具真挺合适。 简单指数平滑的方式，就是对最近的数据点多给点权重，远一点的少一点，适合没啥趋势的场景。要是数据有趋势变化，用Holt 线性趋势模型，还能顺带预测未来走势。季节性数据？那就用Holt-Winters，趋势、季节性一起搞定。 你传进去一组时间序列数据，再给个平滑因子、趋势因子，甚至季节因子，输出就是平滑后的数据或者预测值。代码结构不复杂，改参数、加功能都比较方便。打开expsmooth.m看下，快就能上手。 授权信息写在licens

在 Matlab 中，exp、log 和 sqrt 函数分别用于对数组中的每个元素进行指数运算、对数运算和开方运算。

在Matlab中，计算系统的最大Lyapunov指数是评估混沌性质的重要方法。Lyapunov指数描述了系统中相近轨道随时间按指数方式分离或聚合的速率。使用Chen系统的Lyapunov指数谱函数，结合ode45函数解决微分方程组获取系统轨道信息，并使用Jacobi矩阵计算Lyapunov指数。调整参数a、b和c影响系统混沌性质，其中a范围为32到40。计算结果显示Lyapunov指数大于零即系统为混沌系统。该方法可预测系统长期行为。

给定输入序列X（列向量），以FS赫兹采样，指数平滑器根据指定的时间常数TAU返回平滑的输出序列Y。如果X是矩阵，则对其列向量逐一进行处理并返回相应的平滑输出Y。如需进一步的MATLAB示例用法，请键入“help expsmooth”。

F-16战机惯性导航快速传递对准技术解析 F-16战机应用的快速传递对准方法，融合了经典理论与实用技术，有效提升了惯性导航系统的启动速度和精度。 核心原理： 该方法利用参考系统的姿态信息，快速确定惯性导航系统的初始姿态，并通过数据融合技术，优化惯性元件误差，实现快速对准。 关键技术： 姿态传递算法： 精确测量参考系统的姿态，并将其传递给惯性导航系统。 数据融合技术： 融合来自惯性元件和参考系统的测量数据，修正惯性导航系统误差。 误差补偿技术： 补偿惯性元件的系统误差和随机误差，提高导航精度。 应用优势： 快速启动： 大幅缩短惯性导航系统启动时间，提高作战效率。 高精度对准： 确保导航系统