基于matlab的四元数卡尔曼滤波组合导航算法

其实是matlab的，关于组合导航的卡尔曼滤波matlab仿真

3、递推线性最小方差估计——卡尔曼滤波 卡尔曼滤波的准则与线性最小方差估计相同 估值同样是量测值的线性函数 只要包括初始值在内的滤波器初值选择正确，它的估值也是无偏的 计算方法——递推形式

三、按最优状态估计线性化的卡尔曼滤波方程 ——广义（推广/扩展卡尔曼滤波方程） 问题、缺点 （1）标称解难解 （2）真轨迹与标称轨迹之间的状态差△X(t)或△Xk不能确保其足够小 或 值得注意的是 或 和 或 与前述的 不同 1、概述 为此，改用另一种近似方法，即采用围绕最优化状态估计 或 的线性化方法，现定义真轨迹与标称轨迹间的偏差为：

输出校正与反馈校正总结 从形式上看，输出校正仅仅校正系统的输出量，而反馈校正则是校正系统内部的状态。可以证明，两种校正方法的性质是一样的，具有同样的精度。 但是，输出校正的滤波器所估计的状态是未经校正的导航参数误差 ，而反馈校正的滤波器所估计的状态误差是经过校正的导航参数误差。前者数值大，后者数值小，而状态方程都是经过一阶近似的线性方程，状态的数值越小，则近似的准确性越高，因此，利用状态反馈校正的系统状态方程，更能接近真实地反映系统误差状态的动态过程。 故：对实际系统来讲，只要状态能够具体实施反馈校正，综合导航系统就可尽量采用反馈校正的滤波方案。

卡尔曼滤波matlab代码样例 %Z=[(1:100);];%观测值 Z=ones(100,2); for j=1:100 Z(j,2)=1; Z(j,1)=j; end mu=[0,1];%数学期望 sigma=[0.5 0;0 0.1];%协方差矩阵 noise=mvnrnd(mu,sigma,100)%生成100个样本

卡尔曼滤波组合导航程序，捷联惯导解算，GPS组合导航，松组合

个人私藏的KF仿真程序，好用！

卡尔曼滤波组合导航程序，捷联惯导解算，GPS组合导航，松组合

秦永元的惯性导航+捷联惯导算法与这导航讲义+卡尔曼滤波与组合导航原理（西北工业大学）