设计了一款基于嵌入式处理器STM32的四旋翼飞行器，利用低成本传感器测量加速度和机体的角速率，提出一种结合算法，从而实现飞行器姿态的精确测量。采用四元数法描述飞行器的姿态，在测量过程中结合互补滤波算法进行测量数据的矫正；同时针对出现的随机噪声干扰，采用卡尔曼滤波算法，实现姿态的准确测量，最终在实际的飞行器平台上得到了验证。

一本关于卡尔曼滤波和神经网络的书。 有兴趣的可以看看。

《卡尔曼滤波与组合导航原理》是2012年西北工业大学出版社出版的图书，作者是秦永元、张洪钺、汪叔华。

使用指南 使用genTrig（）或genRotAxis（）生成参考运动和角速度测量值。 使用genMea（）为参考运动生成姿态或矢量测量值。 使用“无偏差过滤器”文件夹中的功能估计姿态。

相当全面的资料，并且给了代码，里面的东西看了之后会有很大的提高，对卡尔曼滤波，维纳滤波，平滑滤波做了详细比较和说明，都有程序代码实现。

1、卡尔曼滤波 2、卡尔曼平滑 3、matla 2017实现

基于卡尔曼滤波定位算法 matlab程序 .tar.rar

最优状态估计 卡尔曼，H∞及非线性滤波（中文）最优状态估计 卡尔曼最优状态估计 卡尔曼最优状态估计 卡尔曼最优状态估计 卡尔曼

Para_cv1为初始化参数(见博客另一个文件) KF: 包括离散时间卡尔曼滤波 连续时间卡尔曼滤波 混合时间卡尔曼滤波 相较于simulink集成的KF模块，本模块简洁，容易后期修改

本教程的目的是通过一个简单的例子来说明卡尔曼滤波器的使用。 问题：预测移动列车 2 秒前的位置和速度，在前 10 秒内对其位置进行噪声测量（每秒 10 个样本）。 真实情况：火车最初位于点 x = 0 并沿 X 轴以恒定速度 V = 10m/sec 移动，因此火车的运动方程为 X = X0 + V*t。 很容易看出火车在 12 秒后的位置将是 x = 120m，这就是我们将尝试找到的。 方法：我们每 dt = 0.1 秒测量（采样）火车的位置。 但是，由于设备不完善、天气等原因，我们的测量结果有噪声，因此从 2 个连续位置测量值（请记住，我们仅测量位置）得出的瞬时速度是不准确的。 我们将使用卡尔曼滤波器，因为我们需要对速度进行准确和平滑的估计，以便预测未来列车的位置。 我们假设测量噪声呈正态分布，均值为 0，标准差为 SIGMA