基于卡尔曼滤波的目标跟踪matlab经典程序——快速入门 基于卡尔曼滤波的目标跟踪经典matlab程序源代码，用于2维目标的跟踪，是初学者学习卡尔曼滤波的好教程。深入浅出，易于理解。

回顾了U KF 算法的发展, 从一般意义讨论了U T 变换算法和采样策略的选择依据, 并给出了U KF 算法描 述. 从条件函数和代价函数入手, 在给出多种采样策略的基础上对U KF 采样策略进行了分析和比较. 最后对U KF 算法未来可能的研究方向进行了探讨.

在vc6.0中对卡尔曼滤波过程进行编译来实现

加速度传感器和陀螺仪，卡尔曼滤波得出角度与角速度；

Battery_SOC_Estimation：在Matlab中使用卡尔曼滤波器估算电池的充电状态

Matlab关于粒子滤波代码与卡尔曼做比较-粒子滤波代码与卡尔曼做比较.rar 部分程序如下： function ParticleEx1 % Particle filter example, adapted from Gordon, Salmond, and Smith paper. x = 0.1; % initial state Q = 1; % process noise covariance R = 1; % measurement noise covariance tf = 50; % simulation length N = 100; % number of particles in the particle filter xhat = x; P = 2; xhatPart = x; % Initialize the particle filter. for i = 1 : N     xpart = x sqrt * randn; end xArr = [x]; yArr = [x^2 / 20 sqrt * randn]; xhatArr = [x]; PArr = [P]; xhatPartArr = [xhatPart]; close all; for k = 1 : tf     % System simulation     x = 0.5 * x 25 * x / 8 * cos) sqrt * randn;%状态方程     y = x^2 / 20 sqrt * randn;%观测方程     % Extended Kalman filter     F = 0.5 25 * / ^2;     P = F * P * F' Q;     H = xhat / 10;     K = P * H' * ^;     xhat = 0.5 * xhat 25 * xhat / 8 * cos);%预测     xhat = xhat K * ;%更新     P = * P;     % Particle filter     for i = 1 : N 运行结果： Figure39.jpg

针对目前国内市场智能钓鱼竿功能不足的问题，本文通过四元数法对鱼竿姿态解算，利用基于卡尔曼滤波的数据融合算法，并以微处理器STM32为核心搭建uC/OS-II操作系统，结合多种环境传感器和串级PID控制方法，设计了一种具有智能选钓位、智能报警及自动遛鱼等功能的智能钓鱼竿系统.实验结果表明，该系统不仅能极大地减少短线跑鱼的几率，而且为恶劣环境下自动钓鱼提供可能.

基于扩展卡尔曼滤波器的超紧耦合GPS／INS组合导航系统设计（中国知网上下的哦）

本文主要介绍了雷达目标跟踪中的扩展卡尔曼滤波算法，主要结合具体工程实现详细介绍各个算法公式中的具体工程使用参数，适合阅读工程跟踪代码的人群，增加对工程代码的理解

扩展卡尔曼滤波算法matlab工具箱。做测试csdn资源上传速度用。