单独的方位估计，在低信噪比下，会出现偏差。为了准确估计，提出了基于随机共振的微弱信号方位估计方法。。首先经随机共振后得到信噪比提高的信号，然后再由方位估计算法来估计出目标方位。利用方位估计中的CBF、MVDR、MUSIC算法，结合常用的微弱正弦信号和BPSK信号进行了仿真研究。结果表明：把随机共振应用到微弱信号方位估计符合理论分析，提高了目标方位估计的准确性。

针对未知探测概率下多目标跟踪问题, 提出一种基于时变滤波算法的多目标概率假设密度(PHD) 滤波器. 算法推导了未知探测概率PHD递推式, 提出了将未知探测概率转化为目标的丢失与接收事件, 并依此建立了目标跟 踪的马尔科夫模型, 给出了该模型下时变卡尔曼滤波最优解, 进而在高斯混和PHD(GMPHD) 框架下推导了算法闭集解. 仿真实验表明, 所提出算法在未知且随时间变化的探测概率情形下, 仍能实时地跟踪各目标, 具有良好的工程应用前景.

贝壳课程资源，高校的课程精华，精心收集的内容，历来都是高分的，欢迎各位有兴趣可以下载参考，如有侵权请联系，谢谢

基于扩展卡尔曼滤波的运动物体跟踪，耿沛，苏小龙，卡尔曼滤波是一种线性最优估计方法，但是实际有很多非高斯分布模型需要观测。本文研究的扩展卡尔曼滤波就很好的解决这一问题，大

前段时间给帮助同学做了个毕业设计，基于matlab的扩展卡尔曼滤波，上传上来供大家学习参考，直接打开就可以正常运行。

学习卡尔曼非常好的一篇文章，深入浅出的介绍了卡尔曼的概况和应用。非常值得一读。

这是某研究生毕业论文做的项目——基于粒子滤波和卡尔曼滤波的卫星定位技术。附件中包含了无线信道估计和均衡、TDOA测距、IMM-KF滤波的所有程序，希望对从事无线定位技术的开发人员有帮助。独家奉献。 (This is the project graduate thesis do-- Based on satellite positioning technique of particle filter and Calman filter. Annex contains all the applications of wireless channel estimation and equalization, TDOA distance, IMM-KF filter, and they hope to help in the wireless location technology development personnel. Exclusive dedication.)

扩展卡尔曼滤波和粒子滤波算法的MATLAB实现

在本文中，我们描述了代表霍乱动力学的两个不同的随机微分方程。 通过将随机性引入随机性建模中的一种标准技术-参数摄动技术，将随机性引入确定性模型中，从而编制出第一条随机微分方程；并使用转移概率来编制第二条随机微分方程。 我们使用合适的Lyapunov函数和Itô公式分析随机模型。 我们陈述并证明了整体存在的条件，正解的唯一性，随机有界性，概率的整体稳定性，矩指数稳定性和几乎确定的收敛性。 我们还使用Euler-Maruyama方案进行了数值模拟，以模拟随机微分方程的样本路径。 我们的结果表明，样本路径是连续的，但不可区分（维纳过程的一个属性）。 此外，我们比较了确定性模型和随机模型的数值模拟结果。 我们发现，SIsIaR-B随机微分方程模型的样本路径在SIsIaR-B常微分方程模型的解内波动。 此外，我们使用扩展的卡尔曼滤波器来估计模型区室（状态），我们发现状态估计值适合测量结果。 还讨论了用于估计模型参数的最大似然估计方法。

卡尔曼平滑(Kalman Smoothing)ppt