粒子滤波&卡尔曼滤波实例比较，可视化图像显示，部分代码注释分析

代码是卡尔曼算法的java版本实现 卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。 数据滤波是去除噪声还原真实数据的一种数据处理技术，Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。由于它便于计算机编程实现，并能够对现场采集的数据进行实时的更新和处理，Kalman滤波是目前应用最为广泛的滤波方法，在通信，导航，制导与控制等多领域得到了较好的应用。 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。

涵盖二维目标跟踪的基本模型（包括CV，CA，CT），使用卡尔曼滤波实现信息融合，对目标跟踪和卡尔曼的初学者有很大帮助

为了进一步提高非线性卡尔曼滤波算法的估计精度，提出一种高阶球面单形—径向容积求积分卡尔曼滤波（HDSSRCQKF，high-degree spherica1 simp1ex-radia1 cubature quadrature Ka1man fi1ter）算法。将非线性函数的高斯加权积分分解为球面积分和径向积分，采用基于正则单形变换群的七阶球面单形准则计算球面积分，使用高阶高斯—拉盖尔求积分准则计算径向积分，推导出高阶球面单形—径向容积求积分准则。从该准则中提取出容积点及其相应权值的一般计算方法，并利用该计算方法给出非线性卡尔曼滤波框架下高阶球面单形—径向容积求积分卡尔曼滤波的具体计算步骤。数值仿真实验结果表明，所提算法具有比高阶容积卡尔曼滤波更高的估计精度，在信道估计与均衡、语音增强和混沌通信等领域具有一定的应用价值。

扩展EKF和ukf无迹卡尔曼滤波代码压缩包 有一个共同的简单例子 进行对比 两个卡尔曼滤波分别写成两个函数 需要的欢迎下载

《最优估计理论》的特点是注重理论与实际问题的结合，实例特色鲜明。《最优估计理论》既可作为控制理论与控制工程、导航与测控、通信工程、仪器科学与技术、系统工程、电气工程、电子信息工程等学科的研究生和高年级本科生教材，也可作为相关领域科研人员的参考书。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

这是北航的kalman滤波教学课件，对kalman滤波的基础学习十分有用，讲解十分详细，还有实例讲解。

完整的扩展卡尔曼MATLAB源程序，非常适合初学卡尔曼的学生使用！

关于CKF在MATLAB中的详细公式推导过程，通俗易懂!!

主要封装了UKF(无迹卡尔曼滤波)的跟踪demo，并配有直观的图形展示，简单易用。 UKF，是KF、EKF的变种与扩展，对于非线性跟踪效果要明显好于KF。