液压伺服系统PID控制中因测量和观测引入的噪声信号,会严重影响PID的控制品质,针对这个问题提出了一种基于卡尔曼滤波的PID调节技术。通过卡尔曼滤波对系统状态的估计,实现对测量噪声信号和观测噪声信号的抑制,从而改善系统的性能。在MATLAB中对所设计的控制器进行动态仿真,仿真结果表明:带有卡尔曼滤波器的PID调节技术能够有效地对系统中存在的噪声信号进行滤波,从而提高了系统的工作性能。

卡尔曼人体跟踪代码（matlab可实现） 在卡尔曼滤波器计算过程中，增益矩阵不再参与迭代运算，在确定了常规矩阵的基础上，通过计算得到增益矩阵的数值，并存在计算机中，这样可以大大节省运算时间，简化计算过程，利用卡尔曼滤波进行人体跟踪能达到非常满意的效果。

这是几个关于基于卡尔曼滤波的室内定位技术的论文，及其相关的MATLAB实现程序。

详细描述了卡尔曼滤波的原理及使用方法，是初学者入门的好资料

提出基于级联扩展卡尔曼滤波与块状处理线性卡尔曼滤波的频偏和相位噪声协同处理方案。利用扩展卡尔曼滤波器对系统频偏进行初始估计, 利用块状线性卡尔曼滤波器实现频偏和相位噪声的精准估计。对最优数据块长度和调优参数Q的关系, 算法的线宽容忍性能、频偏估计范围以及频偏漂移追踪速度进行了详细的讨论和分析。结果表明, 该方案具有快速的载波估计收敛能力、较高的频偏和相位估计精度, 并且其频偏漂移追踪可高达320 MHz/μs。相比传统盲相位搜索方法, 该方案具备较高的频偏容忍度和较低的实现复杂度。最后实验研究正交相移键控(QPSK)光通信系统下的载波恢复性能, 同时给出不同光信噪比、块状数据长度下的载波频偏估计性能。

stm32f103+MPU6050_卡尔曼滤波，读取原始数据并计算欧拉角

针对现有的利用非线性滤波算法对神经网络进行训练中存在滤波精度受限和效率不高的缺陷, 提出一种基于容积卡尔曼滤波(CKF) 的神经网络训练算法. 在算法实现过程中, 首先构建神经网络的状态空间模型; 然后将网络连接权值作为系统的状态参量, 并采用三阶Spherical-Radial 准则生成的容积点实现神经网络中节点连接权值的训练. 理论分析和仿真结果验证了所提出算法的可行性和有效性.

航迹起始程序，逻辑法，卡尔曼滤波，目标及杂波仿真

无迹卡尔曼滤波与扩展卡尔曼纳滤波的对比，程序可改，主要是针对扩展卡尔曼纳滤波与扩展卡尔曼滤波的预测性能做一个比较，程序可用，并且可以按照自己的函数进行更改

标量卡尔曼滤波器在此代码中实现。 这可以为首次实施者提供一个很好的例子。