7适合做毕业设计时参考，也非常适合新手学习；可在该模型的基础上，根据自己的研究需要添加卡尔曼滤波、预测控制、占空比直接转矩等。

傅里叶变换动图matlab代码Dynammo：一套用于多个共同发展的时间序列预测和挖掘的工具。 线性动力系统（又名卡尔曼滤波器） 它提供了matlab软件包来学习线性动力学系统（卡尔曼滤波器）的参数，以及各种约束和缺失值下的变量。 它包含以下软件包： DynaMMo：挖掘，压缩和缺失值估算 期望最大化算法，用于学习线性动力系统的参数（有无缺失值）。 此外，还有其他代码可用于学习缺少的观测值，恢复丢失的值以及压缩数据。 位于dynammo子目录中，检出make demo DynaMMo: Mining and Summarization of Coevolving Sequences with Missing Values, Lei Li, James McCann, Nancy Pollard, and Christos Faloutsos. In Proceeding of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining (KDD) , ACM , New York

一般相位解缠算法通常在相位解缠前首先需要借助滤波算法进行噪声消除，随后才能相位解缠，以保证解缠的质量和顺利实施。卡尔曼滤波将相位解缠问题转化为状态估计问题，实现相位解缠与噪声消除一并处理，简化了数据处理过程。利用真实干涉SAR数据进行实验，采用卡尔曼滤波相位解缠算法进行处理，并与其他几种较常用相位解缠算法的结果从目视和定量两方面进行比较和分析。验证了卡尔曼滤波相位解缠方法在滤波和解缠效果方面的有效性和可行性，可以获得较为可靠的解缠结果。

#资源达人分享计划#

均方误差的matlab代码实现导弹估计 抽象的 该项目的目标是使用视线测量法用导弹拦截目标。 在该项目中使用了两种模型来开发状态动力学：高斯-马尔可夫模型和随机电报模型。 连续时间卡尔曼滤波器用于确定两个模型的横向位置，速度和目标加速度的最小方差估计。 将这些估计值与它们在10秒钟的跨度内的对应真实值进行比较。 为了确定卡尔曼滤波算法是有效的并且所使用的模型是正确的，对10,000个实现进行了蒙特卡洛模拟。 通过仿真将不同状态的均方根误差与相应的滤波器值进行比较。 卡尔曼滤波器在模拟高斯-马尔可夫模型和随机电报模型方面的性能相似。 代码说明 one_real_gm使用高斯-马尔可夫模型运行连续时间卡尔曼滤波器的一种实现。 它绘制了真实状态与估计状态的关系 one_real_tele使用随机电报模型运行连续时间kalman滤波器的一种实现。 它绘制了真实状态与估计状态的关系 monte_carlo_gm使用高斯-马尔可夫模型对连续时间卡尔曼滤波器进行蒙特卡洛模拟。 它绘制了模拟的状态均方根误差与滤波器计算的均方根误差。 monte_carlo_tele使用电报模型对连续时间kalman滤

无迹卡尔曼滤波matlab的代码，最基础的，有需要的可以在这个基础上修改

Matlab卡尔曼滤波运动目标(人体)识别追踪毕业论文+源码(推荐).rar

针对传统甲烷浓度检测器体积大，不易在狭小空间操作的问题，设计了一种基于单片机的甲烷浓度检测器。系统程序设计基于实时多任务操作系统μC/OSⅢ进行开发，利用卡尔曼滤波算法进行数据处理。硬件部分选用意法半导体公司的STM32F407作为主控芯片，选用红外甲烷传感器Prime1采集气体中甲烷含量参数，同时采用豪威OV2640摄像头记录检测画面，通过SD卡存储模块记录检测数据。经过实地测试，系统检测精度为0.01%，具备实用价值。

此演示展示了用于视频分析的基于颜色标记的对象跟踪。您可以使用通过使用 colorThreshoulder 应用程序创建的自定义颜色蒙版功能。跟踪执行稳健，因为可以使用卡尔曼滤波器解决丢失的测量。视频分析结束，跟踪点将被可视化并写入 CSV 文件。该演示可应用于各种视频分析，例如用于测量人体关节的运动捕捉。该演示是用于视频分析的基于颜色标记的对象跟踪演示。您可以使用颜色阈值应用程序来创建检测任何颜色的函数。卡尔曼滤波器用于跟踪标记，即使存在检测遗漏，它也能稳健运行。最后，将跟踪的对象位置可视化并作为时间序列数据写入 CSV 文件。您可以使用颜色标记轻松跟踪人体关节和各种其他移动物体的运动。您可以将其用于实验视频分析。 [Keyward]图像处理、视频分析、跟踪、跟踪、演示、IPCV演示

用于处理GPS信号估计出更为精确的位置坐标，采用卡尔曼滤波器，，采用Matlab仿真算法。。