交互式多模型扩展卡尔曼滤波（IMM-EKF）算法是解决机动载体运动模型不确定的定位问题的次优算法，在载体做模型确定的运动时该方法仍得到次优解且浪费运算资源。针对IMM-EKF算法的此类缺陷，采用离线训练的概率神经网络模型，实时判断当前运动模型分类，在运动模型确定的状态下选择对应的单一模型进行运算，而在运动模型不确定的状态下选择IMM-EKF算法，既保证定位精度，又减少了不必要的运算量。仿真对比实验验证了相比于IMM-EKF算法，新算法在精度方面的优势。

采用FPGA实现的卡尔曼滤波算法，很牛的额

介绍卡尔曼滤波算法如何在FPGA上实现的论文，很好。

扩展卡尔曼滤波matlab代码，有注释，适合学习扩展卡尔曼滤波算法

卡尔曼滤波教程：kalman滤波全揭秘卡尔曼滤波教程：kalman滤波全揭秘卡尔曼滤波教程：kalman滤波全揭秘

学习kalman滤波的一些列资料，书籍，都非常宝贵 《卡尔曼滤波及其实时应用》 《Kalman_Filtering Theory and Practice Using MATLAB (3ed)》 《卡尔曼滤波与组合导航原理》 《Kalman Filtering Theory and Practice Using MATLAB （2nd）》 《kalman_intro_chinese》

#资源达人分享计划#

卡尔曼滤波原理及应用——MATLAB仿真，黄小平pdf版，本书主要介绍数字信号处理中的卡尔曼（Kalman）滤波算法及在相关领域应用《卡尔曼滤波原理及应用:MATLAB仿真》编辑推荐：《卡尔曼滤波原理及应用:MATLAB仿真》是作者精心为广大读者朋友们编写而成的此书。《卡尔曼滤波原理及应用:MATLAB仿真》可以作为电子信息类各专业高年级本科生和硕士、博士研究生数字信号处理课程或者Kalman滤波原理的教材，也可以作为从事雷达、语音、图像等传感器数字信号处理的教师和科研人员的参考书。

卡尔曼滤波的建模方法，通过对几种经典的姿态结算方法的介绍，介绍了状态变量，状态矩阵的选择，观测矩阵的选择方法，具有实际应用意义

数据融合matlab代码advanced_kalman_filter 使用扩展卡尔曼滤波器的传感器融合（LIDAR / RADAR） 这是Udacity的自动驾驶汽车纳米学位的第2项/第1项。 目录和文件 src包含代码（在C ++中）。 main.cpp ：连接到模拟器的主要代码，从../data/obj_pose-laser-radar-synthetic-input.txt读取输入，执行ProcessMeasurement() （请参见下文），并计算和输出均方根误差（估计值（由卡尔曼滤波器计算得出）与地面真实性（数据文件中提供）的RMSE）。 该代码完全由Udacity提供。 FusionEKF.cpp / FusionEKF.h ：使用ProcessMeasurement()方法定义Fusion Extended Kalman Filter类，该类将kalman_filter类的实例，并调用Predict()和Update() / UpdateEKF()方法。 kalman_filter.cpp / kalman_filter.h ：定义FusionEKF::ProcessMe