python实现的无迹卡尔曼滤波算法，ukf 1 ~3 的观测方程不一样，感觉观测方程是平方时 有点莫名其妙。有兴趣的朋友下载自行研究。

备注： 无迹卡尔曼滤波在目标跟踪中的应用 无迹卡尔曼滤波算法； MATLAB仿真 目标跟踪matlab仿真实现; Case: 二维目标跟踪情况 对应的理论分析和参数设置，见博文https://blog.csdn.net/weixin_44044161/article/details/115381848?spm=1001.2014.3001.5501

备注： 无迹卡尔曼滤波在目标跟踪中的应用 无迹卡尔曼滤波算法； MATLAB仿真 目标跟踪matlab仿真实现; Case: 三维目标跟踪情况 对应的理论分析和参数设置，见博文https://blog.csdn.net/weixin_44044161/article/details/115381848?spm=1001.2014.3001.5501

备注： 无迹卡尔曼滤波算法 仿真场景为三维雷达目标跟踪 并与容积卡尔曼滤波算法比较了性能 MATLAB仿真仿真实现; 蒙特卡洛仿真实验， 输出：三维跟踪轨迹，各纬度跟踪轨迹，估计均方误差RMSE，位置RMSE,速度RMSE. 对应的仿真模型及参数设置见扩展卡尔曼滤波 对应的理论分析和参数设置，见博文《扩展卡尔曼滤波EKF在目标跟踪中的应用—仿真部分》https://blog.csdn.net/weixin_44044161/article/details/115329181?spm=1001.2014.3001.5501

C++实现CTRV模型的无迹卡尔曼滤波的代码，里面有详细解释和如何运行代码。具体的参考我的博客：https://blog.csdn.net/O_MMMM_O/article/details/106140853

针对扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)等高动态信号载波跟踪算法存在跟踪精度不高的问题,采用无迹粒子滤波(UPF)算法对高动态北斗卫星信号载波进行跟踪。UPF算法结合粒子滤波(PF)和无迹卡尔曼滤波,采用PF对载波状态变量进行估计,同时使用UKF滤波器对粒子进行权值的重新分配,解决了粒子退化问题。通过Matlab仿真对比,基于EKF、UKF、UPF的跟踪算法的载波频率误差分别为-15~15、-10~10、-4~4 Hz,验证了UPF算法的优越性。

运动物体的轨迹预测，分别使用卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波以及数据拟合方法实现。本例代码仅含无迹卡尔曼滤波部分代码。 本例仅为本人在研究轨迹预测问题时为理解算法原理所写，针对具体问题请自行斟酌算法适用性。 本例代码详解后续会在本人博客中做具体说明，欢迎讨论！

本人手写的简单的平方根无迹卡尔曼滤波程序，包含注释，对刚接触滤波算法的新手有一定帮助，可以适当参考。

这是一个关于扩展卡尔曼和无迹卡尔曼滤波的程序。可以通过程序设定机器人的行走路径。毕业全指望它了，哈哈！

本算法是基于UKF 的SRUKF 算法，其在运算效率和数值稳定性方面都比UKF快，且估计精度高。本程序已经过调试，切实可行，适合初学者。