GM_PHD_Filter：目标跟踪中的GM-PHD过滤器

位置和定位系统（POS）通常集成了捷联惯性导航系统（SINS）和全球导航卫星系统（GNSS），是机载遥感，移动制图和车辆定位中的关键传感器。 POS可以使用基于融合方法的非线性卡尔曼滤波器模型提供可靠的，高频和高精度运动参数，例如扩展卡尔曼滤波器，无味卡尔曼滤波器，中心差卡尔曼滤波器（CDKF）和平方根CDKF（SR-CDKF） ）。 尽管非线性参数模型具有很高的效率，但是它们的预测和估计能力也受到限制，因为通常无法对POS的所有方面进行建模。 在本文中，提出了基于高斯过程（GP）的方法，以增强参数CDKF的预测和估计能力。 一方面，在训练数据有限的情况下，可以利用非线性参数CDKF估计POS的状态向量。 另一方面，GP可以同时考虑非线性参数CDKF中的噪声和不确定性。 因此，将GP合并到CDKF中可以进一步提高性能。 该方法在实际实验中得到了验证，结果表明，通过将增强的GP-CDKF（EGPCDKF）应用于SINS / GNSS集成系统，可以实现较大的性能优势。

卡尔曼滤波讲解，另外还包含了自动驾驶学习资料的获取： 涵盖感知，规划和控制，ADAS，传感器； 1. apollo相关的技术教程和文档； 2.adas（高级辅助驾驶）算法设计（例如AEB,ACC,LKA等） 3.自动驾驶鼻祖mobileye的论文和专利介绍 4.自动驾驶学习笔记 5.自动驾驶专项课程（可能是目前最好的自动教师教程），是coursera上多伦多大学发布的自动驾驶专项课程，应该是目前为止非常火非常好的教程了，包含视频，ppt，论文以及代码 6.国家权威机构发布的adas标准，这是adas相关算法系统的标准，也是开发手册。 7.规划控制相关的算法论文介绍 8. 控制理论及应用实践

卡尔曼滤波代码

EKF_PF 基于扩展kalman的粒子滤波 可解决非线性状态估计问题-EKF_PF based on extended kalman particle filter to address the issue of non-linear state estimation

捷联惯导初始对捷联惯导初始对准Kalman滤程序准Kalman滤程序捷联惯导初始对准Kalman滤程序 捷联惯导初始对捷联惯导初始对准Kalman滤程序准Kalman滤程序捷联惯导初始对准Kalman滤程序

博客地址 https://blog.csdn.net/qwe900/article/details/105841154 ppt中包含详细的动画过程，所有的公式以及数据指标分析成果，看完后对原理会有详细的了解，博客中附有相应的MATLAB代码解读。

由浅入深的讲解了PX4代码里面，速度和位置融会算法为什么使用Kalman Filter, 而不是Extend Kalman Filter. 并对里面的34维状态变量进行了分析，对代码进行了详细的注释

采用卡尔曼滤波的人体跟踪程序，其适合用于运动目标为线性运动且过程和观测噪声为高斯分布的情况

卡尔曼滤波与组合导航原理[西工大出版秦永元].pdf