卡尔曼滤波CA模型，在一定的机动条件下能实现跟踪效果。

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