本项目中使用opencv的dnn模块对yolov5进行部署，增加卡尔曼滤波kalman算法，对检测目标进行跟踪和预测。可用于导航等领域的短暂目标丢失预测。

软件功能大概介绍一下 1. 红色曲线是原始数据 2. 绿色和蓝色是对原始数据用两种不同深度的滑动平局值滤波后的结果，两种深度可以在输入框中指定，范围是1-31 3. 水红色是对原始数据进行标准的卡尔曼滤波后的结果 4. 黑色是利用改良卡尔曼算法滤波后的结果，改良原理就是`当数据的突变超过10%`，怎把滑动平均值的结果传递给给卡尔曼的输出，使卡尔曼快速响应 5. 还有一个`数据跳变使能`，意思就是在`一个范围内给原始数据乘上一个系数`，模拟原始数据产生突变，这样就可以观察滤波算法的响应数据（使用跳变功能后，在相同参数参数下，改良后的卡尔曼响应更快)

Simulink 模型，基于扩展卡尔曼滤波EKF和无迹卡尔曼滤波UKF 估计算法的SOC仿真，毕设。 另外有BBDST工况模块，也有R2016b及R2020两个版本的Simulink。 谨供BMS爱好者学习使用，请勿商用。

6轴加速度传感器LMS6DS3TR_C驱动程序，里面包含两种算法，计算姿态角，利用四轴上位机工具协议可发送数据显示状态。

在基于iBeacon技术的指纹库室内定位算法中，由于室内环境中人员走动、多径效应等因素所带来的噪声影响，需要加以抑制。卡尔曼滤波算法可以用来抑制这些噪声，进而建立可信（即更接近真实值）的指纹库。重点研究在使用卡尔曼滤波算法时，根据具体的室内环境进行测量，估算出不同iBeacon节点的观测噪声以及卡尔曼滤波算法的迭代初值，使卡尔曼滤波算法更快收敛。实验结果表明，通过卡尔曼滤波算法建立的指纹库比通过平均值建立的指纹库，定位精确度和稳定度均有明显的提升。

卡尔曼滤波在雷达目标跟踪中的应用 matlab程序代码

视频包含 7 个视频教程，详细介绍使用卡尔曼滤波器的常见场景，包括： 1.为什么使用卡尔曼滤波器？ 2.了解卡尔曼滤波器——状态观测器 3.了解卡尔曼滤波器——最优状态估计 4.了解卡尔曼滤波器——最优状态估计算法和方程 5.了解卡尔曼滤波器——非线性状态估算器 6.在 Simulink 中使用卡尔曼滤波器 7.在 Simulink 中使用扩展卡尔曼滤波器 对卡尔曼滤波器的原理与应有有很大帮助！！！！

基于卡尔曼滤波的SOC和SOH算法解析，没有代码，纯论文和理论。

目标跟踪方面使用的是基本的最大IOU匹配方法。引入卡尔曼滤波解决了目标被遮挡或重叠导致的跟丢问题。 # 使用时记得修改视频和label文件的路径。

一个GPS和INS联合导航MATLAB不错的程序，与大家一起分享，希望对您有所帮助