卡尔曼滤波原理及应用MATLAB仿真程序——黄小平.rar，这是卡尔曼滤波原理及应用MATLAB仿真书籍的配套程序

提出了一种鲁棒化的基于变分贝叶斯的自适应卡尔曼滤波算法.该算法采用具有重尾特性的学生分布取代高斯分布来描述量测模型，减弱系统对于野值的敏感性；再利用变分贝叶斯方法对修正后的模型的时变参数进行逼近推断，在递推地估计状态的同时还能对变化的噪声方差进行跟踪，并更新引入的自由度参数，从而在自适应滤波的同时增强了鲁棒性.仿真实验证明了在野值存在且噪声变化的观测下该算法的自适应与鲁棒性.

代码运行效果图见压缩包

卡尔曼滤波与多项式拟合在周跳探测中的应用，丁乐乐，刘超，周跳是GPS高精度单点定位中的重要误差源。针对出现的周跳,卡尔曼滤波与多项式拟合探测和修复周跳的理论和方法。通过MATLAB编程,分别�

卡尔曼算法是一个最优化自回归数据处理算法。对于解决很大部分的问题，他是最优，效率最高甚至是最有用的。他的广泛应用已经超过30年，包括机器 人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近年来更被应用于计算机图像处理，例如头脸识别，图像分割，图像边缘检测等等。代码是卡尔曼算法的java版本实现

matlab开发-带可变遗忘因子的离散卡尔曼滤波器。变遗忘因子离散卡尔曼滤波器

粒子滤波及其改进算法的应用。有数据和算法，可以直接在命令框中运行，很有参考价值。

该程序适合卡尔曼滤波的初学者，仿真了匀速运动状态下，卡尔曼稳定跟踪物体轨迹的代码，理论与实践相结合，有助于对卡尔曼理论的理解

matlab过滤源码dcm-imu DCM-IMU算法专为融合低成本三轴MEMS陀螺仪和加速度计而设计。 扩展的卡尔曼滤波器用于估计方向余弦矩阵（DCM）形成和陀螺仪偏置在线的姿态。 可变测量协方差方法用于加速度测量，以确保针对瞬态非重力加速度的鲁棒性，而瞬态非重力加速度通常会在常规IMU算法中引起姿态估计的误差。 如果您在任何科学背景下使用该算法，请引用：Heikki Hyyti和Arto Visala，“低成本MEMS IMU的基于DCM的姿态估计算法”，国际导航与观察杂志，第1卷。 2015，物品ID 503814，18页，2015。 如果要使用Sebastian Madgwick的比较算法，请从中下载它们并在c / MahonyAHRS /（MahonyAHRS.cpp和MahonyAHRS.h）和c / MadgwickAHRS /（MadgwickAHRS.cpp和MadgwickAHRS.h）文件夹下复制c实现。 为了使Matlab正确地编译它们，必须将c文件重命名为cpp文件。 此外，DCM_IMU c代码包括Eigen3矩阵库和Matlab标头。 请在编译之前安装Ei

稳定性和安全性作为汽车设计和规划的两大要素，与车辆的状态参数估算密切相关，其中最直接的就是关于如何精确估算行驶过程中的路面附着系数。在Kalman滤波算法基础之上，本文针对汽车的强非线性特性运用无迹卡尔曼（UKF）滤波算法在Matlab中搭建状态观测器、三自由度车辆模型、Duglff轮胎归一化模型对路面附着系数进行估计，将整体模型与Carsim进行整体测试和对比。结果证明，通过运用UKF算法建立的状态观测器能满足对附着系数估计值的准确性要求。