卡尔曼滤波： 利用状态方程和递推方法寻找最小均方误差下状态变量 的估计值 ，即

卡尔曼滤波，运动篮球跟踪。绿色代表检测，红色代表运用卡尔曼预测。

卡尔曼滤波，1960.Kalman filter, 第一篇文章 卡尔曼在1960年发表的，论文，引出卡尔曼滤波器

完整代码，可直接运行

该书内容非常全面，涵盖了多种卡尔曼滤波算法及MATLAB实现，作者将多年的工作经验融入此书，使之成为学习卡尔曼滤波的同学一本不可多得的经典参考书。

完整代码，可直接运行

完整代码，可直接运行

matlab开发-卡尔曼滤波器应用程序Vasicek。在生成的术语结构上估计Vasicek模型的参数

该文件比较了卡尔曼滤波器的三个不同版本。 卡尔曼滤波器用于递归参数估计。 卡尔曼滤波器可以处理噪声测量。 第一个实现的滤波器 (fcn_KF) 是具有标准的卡尔曼滤波器更新协方差矩阵 P。 协方差矩阵反映了预测的不确定性。 为了提高数值稳定性，Potter 开发了一个协方差矩阵 P 的平方根更新 (fcn_KF_SRP)。 另一个版本是平方根协方差更新通过三角化 (fcn_KF_SRT)。 该文件生成一个模型。 然后三个卡尔曼滤波器执行一个模型参数的估计。 最后比较结果。 资料来源： Simon, D. (2006)：最佳状态估计 Kaminski, P. (1971)：离散平方根滤波：当前技术概览 Golub, G. (1996)：矩阵计算

针对已有基于Sigma 点信息滤波的分布式滤波算法, 其性能易受参数影响而导致应用范围受限的问题, 以容积卡尔曼滤波(CKF) 为基础, 利用信息滤波和平均一致性理论提出一种分布式CKF 算法. 该算法在保持分布式滤波优良特性(即可扩展性和对节点故障强鲁棒性) 的同时, 兼具CKF 的高滤波精度和强稳定性. 仿真结果表明了所提出算法的有效性, 与分布式Unscented 卡尔曼滤波(UKF) 算法相比, 该算法显著提高了目标跟踪的精度和稳定性.