Vold-Kalman 滤波器由 Håvard Vold 和 Jan Leuridan 在 1993 年推出，能够使用已知频率向量从信号中提取非平稳周期分量 [1]。 在最小二乘法的意义上，它可以作为一个稀疏线性系统来解决。 与卡尔曼滤波器类似，VKF 基于结构方程和数据方程最小化成本函数。 本次提交实现了第二代 VKF，能够同时提取多个订单，在交叉订单的情况下进行能量传播 [2]。 句法： x = vkf(y,fs,f) 使用采样率为 1% 的 -3dB 带宽的 2 极滤波器从采样率为 fs 的信号 y 中提取频率向量为 f 的阶数。 输出是单个波形 x。 [...] = vkf(y,fs,f,p) 使用 p 阶滤波器（通常在 1 或 4 之间）。 每个阶都会使滚降每十年增加 -40dB。 通过指定额外的低阶系数，添加了零边界条件。 例如：p = [2 0 1] 应用二阶滤波并在

KALMAN 滤波matlab实现

给出了IMU在地固坐标系中的误差方程，介绍并分析了自适应滤波和渐消Kalman滤波算法原理，然后将渐消因子引入到自适应滤波算法中，并将其应用到IMU/GPS松组合导航系统中，最后利用一个实际算例证明了该组合导航系统的有效性。

经典kalman滤波器算法仿真代码，严格按照书上公式计算

Kalman滤波算法C代码实现，包括一维Klaman滤波算法和二维Kalman滤波算法

基于Gauss-Hermite 逼近的非线性加权观测融合无迹Kalman 滤波器

初学者必备，《kalman滤波基础及matlab仿真》王可东配套代码 由浅到深

kalman滤波器ppt讲义-KalmFilter.ppt 希望对大家有所帮助

大数据-算法-集合调整Kalman滤波同化模块的建立及其在海洋和气候系统模式中的应用.pdf

网络的传感器节点向处理中心传输局部估计时,不可避免地存在随机延迟,从而导致航迹无序现象频发。在分布式框架下,研究多传感器时滞航迹的融合估计问题。采用最新可利用的局部估计原则,若未收到最新局部估计,则用之前收到的最新的估计进行预报。进而,运用避免计算互协方差阵的CI算法进行分布式融合。避免了计算互协方差阵,且能改善局部估计的精度。仿真例子说明算法的有效性。