完整的卡尔曼滤波算法，用Verilog代码编写，对初学者学习有帮助，欢迎下载

讨论分析了卡尔曼滤波器的递归估算法，研究了卡尔曼滤波器中五个递推方程的MATLAB高效实现。

基于FPGA的卡尔曼滤波器的设计与实现，实现实时系统的极好选择，提高计算速度

【目标融合】基于拓展卡尔曼滤波实现车载激光雷达和雷达的数据融合matlab源码.md

卡尔曼滤波与组合导航原理[西工大出版秦永元].

线性跟驰模型的matlab代码无味卡尔曼过滤器项目 无人驾驶汽车工程师纳米学位课程 介绍 无味卡尔曼滤波器是对扩展卡尔曼滤波器进行改进的一种方法。 与EKF不同，UKF不会线性化状态方程。 它依赖于构建通过状态向量模型传播的sigma点。 下面显示的是该项目的两个数据集的结果。 以使标准化归一化平方接近其统计期望值的方式选择噪声参数。 雷达测量空间为三维（rho，phi，rho_dot），并且95％置信区间的卡方值为7.8。 激光雷达的测量空间为二维（x，y），95％置信区间为1的卡方值为6。对这两个值进行平均可以预期所有预测状态中约5％的卡方值为7或7。更高。 对于所选的噪声参数，这大约是正确的。 依存关系 cmake> = v3.5 使> = v4.1 gcc / g ++> = v5.4 基本制作说明 克隆此仓库。 创建一个构建目录： mkdir build && cd build 编译： cmake .. && make 运行它： ./UnscentedKF path/to/input.txt path/to/output.txt 。 您可以在“数据/”中找到一些示例输入。 例

本文件为扩展卡尔曼滤波matlab代码，给需要学习扩展卡尔曼滤波的朋友使用，m文件直接运行

本资源为卡尔曼滤波模型，里面有各种滤波模型。实现方式为matalab，在淘宝上售价为40~50元。（由于本资源文件较大，无法直接提交。提供百度云下载，永久有效，可自行提取）

追踪器 使用实现的卡尔曼滤波器在C ++中进行轨迹重建。 该存储库是基于由Daniel奥汉仑并且旨在测试和基准中描述的轨道重建执行纸张。 编译中 首先克隆存储库及其子模块： git clone --recursive https://github.com/lohedges/trackr.git 现在导航到存储库目录并运行make ： cd trackr make 之后，您应该在目录中找到两个可执行文件： track_test和track_benchmark 。 默认情况下，代码是使用g++编译的。 要使用其他编译器，请将CXX参数传递给make ，例如： make CXX=clang++ 该代码需要兼容C++11编译器，并且默认情况下还使用-O3优化标志进行编译。 要传递其他标志，请使用OPTFLAGS参数，例如： make OPTFLAGS=-funroll-loops 测验

傅里叶变换动图matlab代码Dynammo：一套用于多个共同发展的时间序列预测和挖掘的工具。 线性动力系统（又名卡尔曼滤波器） 它提供了matlab软件包来学习线性动力学系统（卡尔曼滤波器）的参数，以及各种约束和缺失值下的变量。 它包含以下软件包： DynaMMo：挖掘，压缩和缺失值估算 期望最大化算法，用于学习线性动力系统的参数（有无缺失值）。 此外，还有其他代码可用于学习缺少的观测值，恢复丢失的值以及压缩数据。 位于dynammo子目录中，检出make demo DynaMMo: Mining and Summarization of Coevolving Sequences with Missing Values, Lei Li, James McCann, Nancy Pollard, and Christos Faloutsos. In Proceeding of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining (KDD) , ACM , New York