常用滤波算法C语言集合 例如卡尔曼 FIR iir 等

扩展卡尔曼滤波EKF实现3D目标跟踪 仿真场景：三维目标，CA模型 传感器类型：主动雷达 MATLAB仿真仿真实现; 蒙特卡洛仿真实验， 仿真结果：三维跟踪轨迹，各维度跟踪轨迹，估计均方误差RMSE，位置RMSE,速度RMSE（结果图压缩文件都有）。 仿真参数设置：见下面链接的里面又给 仿真结果可以先看下面链接博客，代码肯定能运行且有结果，可开发性强， 如果有问题可联系WX:ZB823618313 对应的仿真模型及参数设置见扩展卡尔曼滤波 对应的理论分析和参数设置，见博文《扩展卡尔曼滤波EKF在目标跟踪中的应用—仿真部分》https://blog.csdn.net/weixin_44044161/article/details/115329181?spm=1001.2014.3001.5501

无迹卡尔曼滤波UKF实现2D目标跟踪 算法：标准的无迹卡尔曼滤波 仿真场景：二维目标，CV模型 传感器类型：主动雷达 MATLAB仿真仿真实现; 蒙特卡洛仿真实验， 仿真结果：二维跟踪轨迹，各维度跟踪轨迹，估计均方误差RMSE，位置RMSE,速度RMSE（结果图压缩文件都有）。 仿真参数设置：见下面链接的里面又给 仿真结果可以先看下面链接博客，代码肯定能运行且有结果，可开发性强， 如果有问题可联系WX:ZB823618313 对应的仿真模型及参数设置见无迹卡尔曼滤波 对应的理论分析和参数设置，见博文《无迹卡尔曼滤波UKF—目标跟踪中的应用(仿真部分)》https://blog.csdn.net/weixin_44044161/article/details/115390660

无迹卡尔曼滤波UKF实现三维3D目标跟踪 本人长期在CSDN，有技术问题可以联系博主，必会 算法：标准的无迹卡尔曼滤波，可以参见《目标跟踪前沿理论与应用》 仿真场景：CV模型,三维目标， 传感器类型：主动雷达 MATLAB仿真仿真实现; 蒙特卡洛仿真实验， 仿真结果：三维跟踪轨迹，各维度跟踪轨迹，估计均方误差RMSE，位置RMSE,速度RMSE（结果图压缩文件都有）。 仿真参数设置：见下面链接的里面又给 仿真结果可以先看下面链接博客，代码肯定能运行且有结果，可开发性强， 如果有问题可联系WX:ZB823618313 对应的仿真模型及参数设置见扩展卡尔曼滤波 对应的理论分析和参数设置，见博文《无迹卡尔曼滤波UKF在目标跟踪中的应用—仿真部分》https://blog.csdn.net/weixin_44044161/article/details/115390660

卡尔曼滤波用于GPS导航，状态变量为目标真实位置和速度（不考虑垂直方向即高度，只有东向和北向），观测变量为目标真实位置

GPS卡尔曼滤波的实现，初步了解卡尔曼滤波，并在卫星导航领域实现

针对使用扩展卡尔曼算法( extended Kalman filter,EKF)对复杂非线性状态估计时收敛速度慢、估计精 度低的问题,提出一种平方根容积滤波算法( square root cubature Kalman filter,SRCKF)。SRCKF使用基于容积原 则的数值积分方法直接计算非线性随机函数的均值和方差。该算法实现时只需计算函数值,避免了求导运算,降低了计算复杂度。且该算法传播了状态协方差的平方根,确保了协方差矩阵的对称性和半正定性,改进了数值精度和 稳定性。把平方根容积卡尔曼滤波算法

在本文中，我们考虑了采用差分法估算未知输入的动态系统的状态。 我们提出了一种均方误差意义上的最优算法。 与传统算法相比，新算法显示出了良好的性能，并且计算量更少。 此外，数值算例表明，即使输入未知的初始值错误，新算法仍然可以很好地工作。

北斗导航 基于卡尔曼滤波的IMU+GNSS的组合导航（附Matlab源代码） 二.pdf

针对传统容积卡尔曼滤波(CKF)在面对系统模型失配和状态突变滤波精度下降的问题,将强跟踪滤波器(STF)和高阶容积卡尔曼滤波(HCKF)相结合,提出一种简化高阶强跟踪容积卡尔曼滤波(RHSTCKF)算法.该算法具有比传统CKF更高的滤波精度,并且利用滤波模型的特点,简化HCKF的计算步骤,同时在HCKF中引入多重渐消因子增强算法的自适应性和应对状态突变的能力.将所提算法应用到SINS/GPS组合导航系统中进行仿真实验,结果表明,RHSTCKF可以准确估计出突变状态的真实值,能够抑制滤波器状态异常的干扰,滤波性能明显优于HCKF,能够提高组合导航系统的自适应性和定位精度.