卡尔曼定位 通过误差状态卡尔曼滤波器使用 GPS/INS/罗盘的传感器融合实现定位的 MATLAB。 MATLAB 代码大量借鉴了 Paul D. Groves 的著作《GNSS 原理、惯性和多传感器集成导航系统》，他的代码被标记为他的，并在 BSD 许可下持有。 请注意：我无法提供我的测试数据，因为它是使用通用汽车拥有的车辆收集的。请参阅初始化脚本中的注释以获取数据格式的描述，您应该能够调整自己的数据。或者，本书附带一张 CD-ROM，其中包含他的代码（完全工作的过滤器）以及用于生成测试数据的系统

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！！！！

一、状态方程和量测方程 要给出卡尔曼滤波的信号模型，先来讨论状态方程和量测方程。图7-11是维纳滤波的模型，信号 可以认为是由白噪声 激励一个线性系统 的响应，假设响应和激励的时域关系可以用下式表示： (7-52) 上式也就是一阶AR模型。在卡尔曼滤波中信号 被称为是状态变量，用矢量的 形式表示为 ，在k时刻的状态用 表示， 在k－1时刻的状态用 表示。

梯度自适应拉盖尔格子滤波器和卡尔曼滤波器的组合，用于估计多通道记录中的丢失信号。 为 PhysioNet 2010 提交的参赛作品涉及对最后 30 秒生理信号的估计。 详情见 http://web.cinc.org/2010/preprints/

永磁同步电机PMSM仿真，永磁同步电机负载状态估计(龙伯格观测器,离散连续各种卡尔曼滤波器),矢量控制,坐标变换，英文论文复现，含中文。该文档介绍了所使用的系统模型､参数和负载观测器｡使用的观测器是Luenberger观测器和各种不同形式的卡尔曼滤波器｡然后将估计的信号用于前馈负载转矩补偿,以增强系统的瞬态响应｡

《卡尔曼滤波原理及应用仿真》书中的程序

采用matalb平台m语言进行编程，卡尔曼滤波器pid控制算法，文件中有文字叙述部分，打开可直接运行。

这个库是为 IMU 计算准备的 更多详情、使用方法，请下载后阅读README.md文件

Extended Kalman Filter for robot localization, mapping, SLAM. Matlab 仿真机器人应用扩展卡尔曼滤波器localization, ma

对比不同卡尔曼滤波器的性能包括EKF,UKF,GSF-EKF,IMM-EKF,IMM-UKF以及粒子群滤波