该资料使用时间差分、背景差、自适应背景更新等方法进行运动目标跟踪。

传统MeanShift目标跟踪算法通过bin-bin颜色直方图表示目标特征，直方图中往往会混入背景颜色信息，造成跟踪不准确；同时由于MeanShift算法具有局部最优性，当目标受到严重遮挡丢失后，不能对目标重新定位跟踪。为了解决上述问题，在颜色直方图和抗遮挡能力方面进行了改进。利用交叉bin颜色直方图代替传统的bin-bin颜色直方图表示目标特征，减少背景颜色的干扰，提高MeanShift算法跟踪精度；当目标受到严重遮挡丢失后，通过一种尺度变化调整机制，在全局范围内搜索目标位置，提高MeanShift算法抗遮挡能力。实验显示，改进后的算法不仅在背景干扰大时对目标的跟踪精度更高，而且当目标受到严重遮挡丢失后，也能够对目标重新定位跟踪。

传统核窗宽固定的mean shift跟踪算法不能很好地对尺寸变化的目标进行有效的跟踪。在结合增量试探法和梯度方向检测的基础上，提出了一种适应带宽的mean shift目标跟踪算法。算法能够对逐渐放大和逐渐缩小的目标都能够进行有效的跟踪，解决了增量试探法难以很好地对放大目标进行自适应带宽跟踪的问题，提高了自适应带宽跟踪的准确性。两段不同场景下的运动目标跟踪实验，证实了该算法的有效性。

雷达信号处理，应用matlab实现卡尔曼滤波

自适应鲁棒性卡尔曼滤波算法在卫星姿态估计中的应用

基于卡尔曼滤波器的永磁同步电机电感磁链参数辨识仿真

KalmanFilter,KalmanFilter3,KalmanFilter5 一共7种,以上三种实现保证可用,其余待调试,调试函数写好,直接运行即可 KalmanFilter KalmanFilter2 KalmanFilter3 KalmanFilter4 KalmanFilter5 KalmanFilter6 KalmanFilter7

最经典的一款滤波方式，适用于闭环系统，且多用于航空系统的帮助矫正姿态的一款算法

不需要手动选取目标，自动检测目标（目标已在画面内）。找到一个滤波器h，使其在目标上的响应最大。f表示训练图像，g表示响应输出，h表示滤波器，F，G，H对应其频域值(傅里叶变换后的值)

【预测模型】卡尔曼滤波运动轨迹预测【含Matlab源码 590期】.zip