包括三个文件：（1）通用的卡尔曼滤波工具箱，具体安装方法有说明；（2）一本关于卡尔曼滤波的书籍（3）相关的卡尔曼滤波程序代码。希望可以帮助到大家！

what is kalman filter? 卡尔曼滤波的一个典型实例是从一组有限的，包含噪声的，对物体位置的观察序列（可能有偏差）预测出物体的位置的坐标及速度。在很多工程应用(如雷达、计算机视觉)中都可以找到它的身影。同时，卡尔曼滤波也是控制理论以及控制系统工程中的一个重要课题。 what is kalman filter? 例如,对于雷达来说，人们感兴趣的是其能够跟踪目标。但目标的位置、速度、加速度的测量值往往在任何时候都有噪声。卡尔曼滤波利用目标的动态信息，设法去掉噪声的影响，得到一个关于目标位置的好的估计。这个估计可以是对当前目标位置的估计(滤波)，也可以是对于将来位置的估计(预测)，也可以是对过去位置的估计(插值或平滑)。

该程序为matlab中扩展卡尔曼滤波的仿真，对于目标跟踪，滤波器研究有一定的帮助

卡尔曼滤波算法(含详细推导).ppt 考虑一离散时间的动态系统，它由描述状态向量的过程方程和描述观测向量的观测方程共同表示。 （1）、过程方程 式中，M 1向量x(n)表示系统在离散时间n的状态向量，它是不可观测的；M M矩阵F（n+1,n）成为状态转移矩阵，描述动态系统在时间n的状态到n+1的状态之间的转移，应为已知。而M 1向量 为过程噪声向量，它描述状态转移中间的加性噪声或误差。

此 zip 文件包含扩展卡尔曼滤波 (EKF) 和全球定位系统 (GPS) 的原理和算法的简要说明。 它旨在提供一个相对易于实现的 EKF。 它还简要介绍了 GPS 的卡尔曼滤波算法。 在 EKF 的示例中，我们提供了使用 EKF 和最小二乘法进行 GPS 定位的原始数据和解决方案。 有关更多详细信息，请参阅 readme.txt。

基于MATLAB的运动轨迹预测，卡尔曼滤波实现源码.zip

它是用于速度估计的基本卡尔曼滤波器编程 - 戴夫

卡尔曼·克劳迪代码 matlab 卡尔曼滤波器 我为我关于卡尔曼滤波的研究制作了教程。 我附上了与卡尔曼滤波算法相关的好文章。 我忽略了我的大部分代码都受到 atushi 的启发。 算法总结 首先，尝试了解什么是测量模型和卡尔曼滤波器方程。 我的灵感来自卡尔曼滤波 - 使用 MATLAB 的理论和实践 我们使用恒速模型来预测状态矩阵。 样品 在这里，我们向您展示当人类侵入感应区域时的雷达跟踪场景示例。 将真值与测量误差相对较小的运动捕捉系统进行比较。 距离过滤的结果 您可以看到数据比离散数据更平滑。 您可以在代码脚本数据中找到特定数字的 Q 和 R。 距离过滤误差 错误几乎与原始相同。 速度过滤的结果 该过滤器的目的是在距离观测仅可用时估计速度。 因此，我们将观测矩阵 H 设为 [1 0]。 速度滤波误差 与原始数据相比，可以看出误差的方差减小了。 算法解释 状态矩阵模型 (SSM) 首先，考虑汽车移动，可以使用 GPS 检测汽车的位置。 在这种情况下，只有汽车的位置是已知的。 在整个示例中，显示了使用离散卡尔曼滤波器估计速度。

该教程是关于SLAM的系列教程，从网上下载，本人觉得讲解非常详细，并配有习题供动手实践，非常适合初学者学习使用。本人学习后，实现了课后作业的所有程序，一并打包上传，供大家共同学习探讨，原始资料请尊重原作者，本人的程序如有错误请原谅指正。 code by LiuBing, welcome to contact me: lewsn2008@yahoo.com.cn @@: 44452114( please sign：SLAM )

基于高阶正交幅度调制(QAM)和大线宽相干光正交频分复用(CO-OFDM)系统, 提出了一种在时域进行无迹卡尔曼滤波(UKF)的相位噪声补偿算法。该算法在接收端基于训练符号频域卡尔曼滤波实现信道均衡, 用较小的频域导频数据开销进行频域扩展卡尔曼滤波, 先补偿公共相位误差(CPE)噪声, 然后将CPE噪声补偿之后的数据在时域进行载波间干扰(ICI)相位噪声粗补偿。对相位噪声粗补偿后的频域数据进行预判决, 结合接收端原始时域数据, 在时域对判决后的数据进行UKF以实现ICI相位噪声的精细补偿。对精细补偿之后的频域数据再进行相位噪声粗补偿并进行迭代运算, 极大地提高了相位噪声的补偿效果。对50 Gbit·s-1的CO-OFDM系统进行了传输距离为100 km的仿真, 与其他算法相比, 所提算法的频谱利用率极高, 且具有较好的补偿效果。对激光器线宽为700 kHz且调制方式为32QAM的传输信号进行二次迭代后, 所提相位噪声补偿算法的误码率性能仍可达到前向纠错上限。所提算法促进了大线宽CO-OFDM系统在长距离接入网和城域网中的应用。