卡尔曼滤波的完整实现，可以直接运行，适用于c++和c语言和matlab

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

matlab开发-扩展卡尔曼滤波器示例。扩展卡尔曼滤波器的一个例子

介绍了卡尔曼滤波

无线传感器网络定位技术中可以用卡尔曼滤波来改善定位精度（matlab程序）

3、递推线性最小方差估计——卡尔曼滤波 卡尔曼滤波的准则与线性最小方差估计相同 估值同样是量测值的线性函数 只要包括初始值在内的滤波器初值选择正确，它的估值也是无偏的 计算方法——递推形式

针对多站纯方位目标跟踪与定位问题,给出了一种基于一致性的分布式无迹卡尔曼滤波算法(CDUKF,Consensus-based Dis-tributed Unscented Kalman Filter)。各观测站利用本站和邻接站点信息获得目标状态的局部估计,其次利用联邦滤波器的加权原则和一致性算法,通过相邻观测站之间的局部信息交换获得目标状态的更高精度估计,并提出通过利用各站历史状态信息以改善算法的收敛速度。仿真结果表明论文所提出的算法能够实现多站纯方位被动跟踪,估计结果可接近传统集中式融合的跟踪精度。

卡尔曼 适用于Java的Kalman过滤器。 依存关系 该模块需要一个sylvester.js（ ）兼容的矩阵和矢量处理模块。 用法 使用卡尔曼滤波器模块非常简单： < script type =" text/javascript " src =" sylvester.src.js " > </ script > < script type =" text/javascript " src =" ../kalman.js " > </ script > < script type =" text/javascript " > var x_0 = $V ( [ - 10 ] ) ; var P_0 = $M ( [ [ 1 ] ] ) ; var F_k = $M ( [ [ 1 ] ] ) ; var Q_k = $M ( [ [ 0 ] ] ) ; var KM = new Kalma

研究了利用扩展卡尔曼滤波器(extended kalman filter，EKF)对永磁同步电机(permanent magnet synchronous motor，PMSM)矢量控制系统进行参数精确估计的方法。通过引入定子电流和电压，在线估计电机的定子磁链、电机转速和转子位置，进而实现永磁同步电机的无传感器控制。仿真结果表明EKF准确地观测了电机转速和磁链，所构建的无速度传感器矢量控制系统具有良好的控制性能。

介绍卡尔曼各种滤波算法，pdf文件，电子书，作者不详