针对Mean Shift算法不能跟踪快速目标、跟踪过程中窗宽的大小保持不变的特点。首先，卡尔曼滤波器初步预测目标在本帧的可能位置；其次， Mean Shift算法在这点的邻域内寻找目标真实的位置；最后，在目标出现大比例遮挡情况时，利用卡尔曼残差来关闭和打开卡尔曼滤波器。实验表明该算法在目标尺度变化、遮挡等情况下对快速运动的目标能够取得较好的跟踪效果。

用simulink 进行卡尔曼滤波的仿真，直观形象的得到仿真结果 用simulink 进行卡尔曼滤波的仿真，直观形象的得到仿真结果

网上关于介绍卡尔曼滤波器的PPT很多，这个是我见过归纳的比较好的了

针对目前配电柜故障电弧检测技术存在的漏检率和误报率高的问题,结合多传感器信息融合技术在故障检测技术中的应用,提出了基于联合卡尔曼滤波器的故障电弧检测技术。该技术可以对采集到多个不同故障电弧故障特征进行实时滤波,能够很好地消除噪声干扰和提高信噪比,进一步提高故障电弧检测的准确性和可靠性,完善系统的容错能力和复原能力。仿真结果也表明改进的检测技术具有良好的实时性和准确性。

基于卡尔曼滤波器的目标跟踪的实现 matlab代码，将所有代码放置同一路径同一文件夹下运行main.m即可

基于渐消卡尔曼滤波器的永磁同步电机的仿真，余跃，何凤有，本文使用带渐消因子的自适应卡尔曼滤波构造了永磁同步电机的速度观测器。该滤波器根据永磁同步电机的输出，在线自适应调整渐消因

tonav：用于视觉辅助惯性导航的多状态约束卡尔曼滤波器（MSCKF）的实现。 这是我的硕士论文

四种卡尔曼滤波性能比较: EKF, UKF, SREKF, SRUKF四种常见工程用的滤波算法比较。比较的内容是在视觉测量方面。

自学的一个卡尔曼滤波器，可以根据需要更改参数，完整代码+注释

卡尔曼滤波 该示例应用程序使用Kalman滤波器基于速度测量来预测位置。 卡尔曼滤波算法 方程针对该应用进行了简化。 向量和矩阵： F：状态转换模型H：测量模型Q：过程噪声的协方差R：测量噪声的协方差x0：初始状态P0：初始误差协方差 方程式： 卡尔曼滤波器的计算： 例子 火车以80 km / h的恒定速度行驶。 每100毫秒测量一次速度。 过滤速度，并使用卡尔曼滤波器预测当前位置。 向量和矩阵： 位置的先验预测： 带有噪音的速度测量： 绘制速度和预测位置： 绘制卡尔曼增益和误差系数： 重要档案 train_position_prediction.py ：计算火车位置并绘制结果 speed_measurement.py ：模拟速度测量 kalman_filter.py ：预测位置。 安装及使用 克隆存储库 $ cd $ git clon