该源码有很好的仿真效果 是基于自适应卡尔曼滤波器编写的程序代码

 针对Mean Shift算法不能跟踪快速目标、跟踪过程中窗宽的大小保持不变的特点。首先，卡尔曼滤波器初步预测目标在本帧的可能位置；其次， Mean Shift算法在这点的邻域内寻找目标真实的位置；最后，在目标出现大比例遮挡情况时，利用卡尔曼残差来关闭和打开卡尔曼滤波器。实验表明该算法在目标尺度变化、遮挡等情况下对快速运动的目标能够取得较好的跟踪效果。

本代码为容积卡尔曼算法的简单程序，仅用于个人研究卡尔曼滤波，不可用于其他用途。转发注明出处。

ROS ADVOARD AGV本地化 在这个项目中，我们旨在开发一个可以在ROS环境中工作并且可以本地化的系统。 这些软件包已在turtlebot3下进行了测试，但也可以在安装了超宽带测距传感器和里程计传感器的任何其他系统上使用。 也可以初始化机器人并将初始姿态估计发送到导航堆栈，而无需在RViz窗口上手动进行初始化，但是请记住，要使用此功能，需要使用LiDAR。 AMCL还需要初始姿势，因此此功能对于拥有完全自治的系统非常关键。 我们目前提供带有合成UWB数据的仿真程序包，但是可以对其进行调整，以便可以在具有真实UWB传感器的现实机器人中使用它。 建立 首先，您将需要利用至少4个UWB传感器

用simulink 进行卡尔曼滤波的仿真，直观形象的得到仿真结果 用simulink 进行卡尔曼滤波的仿真，直观形象的得到仿真结果

主要介绍卡尔曼滤波在GPS定位中的应用 以及卡尔曼滤波减小误差干扰的原理

卡尔曼滤波在雷达目标跟踪中的应用 matlab程序

采用低成本传感器并借助卡尔曼滤波方法实现车辆运动状态的高精度估计。首先考虑车辆侧向运动、横摆运动以及侧倾运动，建立非线性三自由度的动力学车辆模型，通过对其线性化，实现扩展卡尔曼滤波设计，进一步针对线性化带来的截断误差问题，利用贝叶斯估计建立极大后验状态估计最小二乘表达式，通过进一步求解最终设计完成了迭代扩展卡尔曼滤波算法。 通过不同行驶条件下仿真，验证迭代扩展卡尔曼滤波过滤噪声和追踪实际值的能力。仿真结果表明: 在复杂的行驶条件下，迭代扩展卡尔曼滤波能大幅过滤噪声，并有效追踪车辆质心侧偏角和横摆角速度的实际状态。

用Fortran编写的kalman滤波模拟算法，包含源程序和数据

在高空高速条件下，GPS信号失锁致使常规的卡尔曼滤波器发散，从而导致组合导航系统精度严重下降。以BP神经网络辅助技术手段对GPS/INS组合导航滤波算法实施精度补偿，即在GPS信号锁定时，对神经网络进行实时在线训练，而当在GPS信号失锁时，利用之前训练好的神经网络进行组合导航滤波，以解决精度严重下降问题。