这是罗建军老师关于惯导组合导航中，比较权威，比较全面的书籍，值得大家阅读。

利用拓展卡尔曼滤波方法，基于WiFi信号RSSI实现室内定位和轨迹追踪，同时绘制轨迹图，相关数据存储在安卓数据库中，另外含有路径损耗估计算法和最小二乘算法，适合室内定位领域的研究生和感兴趣的读者下载。

UWB精确定位自适应无迹卡尔曼滤波算法UWB精确定位自适应无迹卡尔曼滤波算法UWB精确定位自适应无迹卡尔曼滤波算法UWB精确定位自适应无迹卡尔曼滤波算法UWB精确定位自适应无迹卡尔曼滤波算法UWB精确定位自适应无迹卡尔曼滤波算法UWB精确定位自适应无迹卡尔曼滤波算法

可对任意一个数据进行卡尔曼滤波（本例是对超声波数据进行滤波）

zlstone 做的自平衡小车，采用卡尔曼滤波，效果非常好，详尽的代码和电路图

行业分类-物理装置-基于改进扩展卡尔曼滤波的多移动目标定位误差消除方法.zip

该文件包含用卡尔曼滤波器实现飞行器跟踪的MATLAB程序

卡尔曼滤波、EKF、粒子滤波程序、帮助你学习，matlab程序，有相关代码注释等，对于传感器噪声等进行滤波。

基于MATLAB/Simulink的扩展卡尔曼滤波器EKF的锂电池SoC计算。

卡尔曼自定义应用matlab代码使用卡尔曼滤波器进行对象跟踪 使用卡尔曼滤波器算法跟踪和分析二维空间（视频）上的移动对象。 1. 简介 对象跟踪是一个复杂的领域，在过去的几十年中取得了显着的发展。 它是在大量实际应用中实现的计算机视觉的一个分支，例如监视、机器人导航、人机交互等。它的主要目标是自动化任何给定的操作，并通过取代工作人员来减少人力用计算机处理和分析数字图像或视频以收集（或使用“收集”）所需的信息。 该项目的目的是通过使用 MATLAB 实现卡尔曼滤波器算法逻辑，逐帧定位、跟踪和分析视频上显示的对象。 分析过程是指通过算法中某些参数（例如噪声）的变化来减少评估结果的误差，以实现算法对实际值的更好跟踪。 1.1 卡尔曼滤波器 卡尔曼滤波是一种经典的状态估计技术，广泛应用于各种应用领域，如信号处理和车辆自主控制。 [1] 该算法使用系统先前时间间隔的测量变量来预测未确定变量的估计值。 与具有复杂结构和计算的其他过滤算法相比，该算法简单且计算成本低。 在视频或 2D 空间中跟踪对象位置需要确定位置坐标（在我们的案例中，x 和 y 为二维）。 因此，状态可以表示为 其中 x 和 y