ukf ，CDKF，PF ，丰富的工具，非线性滤波学习的好助手，

利用一个追踪模型实现了UKF、CDKF、SRUKF比较。内含MATLAB代码，及文档

位置和定位系统（POS）通常集成了捷联惯性导航系统（SINS）和全球导航卫星系统（GNSS），是机载遥感，移动制图和车辆定位中的关键传感器。 POS可以使用基于融合方法的非线性卡尔曼滤波器模型提供可靠的，高频和高精度运动参数，例如扩展卡尔曼滤波器，无味卡尔曼滤波器，中心差卡尔曼滤波器（CDKF）和平方根CDKF（SR-CDKF） ）。 尽管非线性参数模型具有很高的效率，但是它们的预测和估计能力也受到限制，因为通常无法对POS的所有方面进行建模。 在本文中，提出了基于高斯过程（GP）的方法，以增强参数CDKF的预测和估计能力。 一方面，在训练数据有限的情况下，可以利用非线性参数CDKF估计POS的状态向量。 另一方面，GP可以同时考虑非线性参数CDKF中的噪声和不确定性。 因此，将GP合并到CDKF中可以进一步提高性能。 该方法在实际实验中得到了验证，结果表明，通过将增强的GP-CDKF（EGPCDKF）应用于SINS / GNSS集成系统，可以实现较大的性能优势。

一种改进的SR-CDKF算法及其在早期微小故障检测中的应用

中心差分卡尔曼滤波器的matlab源代码，直接定义的程序，只需按照程序的规定输入输出数据，直接应用就可以了