基于减少噪声干扰对GPS/INS组合导航系统准确性影响的目的。采用最优估计理论中卡尔曼滤波理论基础进行系统的研究，建立了组合导航系统状态方程和观测方程，给出了GPS/INS组合导航模型。通过对GPS/INS位置组合导航系统用Kalman滤波和自适应Kalman分析，并应用MATLAB 软件仿真，从仿真结果得出自适应Kalman滤波对组合导航系统中的轨迹滤波跟踪有着较好的效果。

最近在研究电池SOC，发现有人提出H_∞,发现这篇鲁棒滤波器与Kalman滤波器的对比还不错。有学习电池算法的朋友可以一起多交流，最近在做电池管理系统算法这块，之类就当文献资料中心吧

平方根容积卡尔曼滤波算法及其应用

最新陀螺仪mup6050数据融合方法，有互补滤波 卡尔曼滤波 本例才用卡尔曼滤波 最好有矩阵论 和数理统计基础，要不看不明白。

【目标跟踪】基于扩展卡尔曼滤波实现目标群跟踪matlab源码.md

卡尔曼滤波器原理以及代码实现.pdf

扩展卡尔曼滤波器的原理以及C语言实现

基于卡尔曼滤波的语音增强算法matlab仿真

随着基于移动互联网的车辆导航技术的发展和应用，基于车辆轨迹的信号控制交叉口交通运行状态评价和方案优化逐渐成为研究热点。针对以往研究在稀疏车辆轨迹（一个周期内采样车辆少甚至无采样车辆的情形）的条件下排队长度无法估计或精度低和未能充分挖掘利用历史排队长度和其他非排队车辆轨迹信息等缺陷，本研究提出了一种面向稀疏轨迹数据条件下信号控制交叉口周期排队长度的估计方法。该方法可以通过利用非排队车辆轨迹信息修正最大排队长度估计值以及采用卡尔曼滤波算法和历史排队长度数据对稀疏车辆轨迹周期排队长度进行估计。为验证方法的有效性，本研究使用高频（3s）的滴滴车辆轨迹数据进行实地验证，结果表明本方法可以有效提高稀疏车辆轨迹条件下排队长度的估计精度，所有周期平均绝对误差为3.41辆，平均绝对误差百分比为16.89%，而缺失周期（采样排队车辆数小于等于1辆）平均绝对误差为3.33辆，平均绝对误差为17.78%。本研究成果可以为基于车辆轨迹数据的实时信号控制提供更加可靠的排队长度输入信息。