这是自动驾驶汽车绕固定点进行恒定半径转弯的 EKF。 车辆加速度项是非线性的并且被AWGN破坏。车辆观测模型在距离和方位角上是非线性的。 观察结果被乘法非高斯噪声项破坏。 此 EKF 是为检测和估计类期中构建的（请参阅随附的 PDF 文件）。 目的是表明如果噪声项是非高斯项并乘法进入观测模型，则 EKF 可能不是无偏估计量。 在这些条件下，合适的替代品是 UKF 和 PF 的任何变体。 执行了一组 MC 模拟以显示 EKF 对 IC 对此问题的敏感性，并表明它不是无偏估计器（不包括 MC 代码）。

程序功能：卡尔曼滤波器（Kalman Filter）用于温度测量的实例MATLAB源码

一阶、二阶卡尔曼滤波，结构体形式，可随意移植，参数可更改

图 8.8 编译和链接过程 在工程 ledcircle 所在的目录下，会生成一个名为：工程名_data 目录，在本例中就是 ledcircle_data 目录，在这个目录下不同类别的目标对应不同的目录。在本例中由于我们使用的是 DebugRe 目标， 所以生成的 终文件都应该在该目录下。进入到 DebugRel 目录中去，读者会看到 make 后生成的映 像文件和二进制文件，映像文件用于调试，二进制文件可以烧写到 S3C4510B 的 Flash 中运行。 8.2.3 使用命令行工具编译应用程序 如果用户开发的工程比较简单，或者只是想用到 ADS 提供的各种工具，但是并不想在 CodeWarrior IDE 中进行开发。在这种情况下，再为读者介绍一种不在 CodeWarrior IDE 集成开发环 境下，开发用户应用程序的方法，当然前提是用户必须安装了 ADS 软件，因为在编译链接的过程 中要用到 ADS 提供的各种命令工具。 这种方法对于开发包含较少源代码的工程是比较实用的。 首先用户可以用任何编辑软件(比如 UltraEdit)编写 8.2.1 中所提到的两个源文件 Init.s 和 main.c。 接下了，可以利用在第 7 章中介绍的 makefile 的知识，编写自己的 makefile 文件。对于本例，编写 的 makefile 文件(假设该 makefile 文件保存为 ads_mk.mk)如下： PAT = e:/arm/adsv1_2/bin CC = $(PAT)/armcc LD = $(PAT)/armlink OBJTOOL = $(PAT)/fromelf RM = $(PAT)/rm -f AS = $(PAT)/armasm -keep -g ASFILE = e:/arm_xyexp/Init.s CFLAGS = -g -O1 -Wa -DNO_UNDERSCORES=1 MODEL = main SRC = $(MODEL).c OBJS = $(MODEL).o all: $(MODEL).axf $(MODEL).bin clean %.axf:$(OBJS) Init.o

卡尔曼滤波器的C代码，包括rinv.c函数

卡尔曼滤波与组合导航原理 第2版 秦永元，张洪钺，汪叔华编著

【数据融合】基于扩展卡尔曼滤波器实现三维数据融合matlab源码.md

很好用的无迹卡尔曼滤波器程序（ukf），非常简单实用，既可以用于学习，也可以直接使用

卡尔曼和贝叶斯过滤器的介绍性文字。 所有代码都是用Python编写的，而本书本身是使用Juptyer Notebook编写的，因此您可以在浏览器中运行和修改代码。 有什么更好的学习方法？ “ Python中的卡尔曼和贝叶斯过滤器”看起来很棒！ ...您的书正是我所需要的-艾伦·唐尼（Allen Downey），教授和O'Reilly作家。 感谢您为发布有关Kalman过滤以及Python Kalman过滤库的介绍性文字所做的所有工作。 我们一直在内部使用它来向人们传授一些关键的状态估计概念，这对我们有很大的帮助。 -SpaceX的Sam Rodkey 现在，单击下面的活页夹或Azure徽章开始在线阅读： 什么是卡尔曼和贝叶斯滤波器？ 传感器很吵。 世界上充满了我们想要测量和跟踪的数据和事件，但是我们不能依靠传感器来提供完美的信息。 我车上的GPS报告高度。 每当我经过道路上的同一点

（卡尔曼滤波器及matlab代码）维纳最速下降法滤波器，卡尔曼滤波器设计及Matlab仿真