仿真了扩展卡尔曼滤波在轨迹预测中的应用，成功预测了匀速直线运动的3维轨迹并做了误差分析，如需相关定位，跟踪代码代做或相关毕设可联系xdmsj8，标注来意

基于Kalman滤波的卫星钟差参数估计与预报，朱绍攀，张书毕，钟差参数估计与预报是卫星导航系统应用中的一项关键技术。本文研究了基于Kalman滤波的钟差参数预报。随机部分采用幂律谱模型，利用

卡尔曼滤波入门程序MATLAB，实现二维滤波处理。该代码能够帮助熟悉卡尔曼滤波的5个主要方程，帮助理清卡尔曼滤波代码实现思路。

资源中包括两个仿真程序，分别是Singer模型+卡尔曼（kalman）滤波、“当前”统计模型+卡尔曼（kalman）滤波。

本资源是基于Java的Kalman滤波算法，可以作为一种性能较为优良的滤波器，滤去极端值。本资源可以直接将SRC文件夹中的两个子文件夹复制并使用。

结合旋转机械启停阶段振动信号的特点, 提出了一种基于Viterbi 算法和短时傅里叶变换( STFT-VA) 的瞬时频率估计算法, STFT-VA算法在高噪声、临近阶比和交叉阶比情况下有较高的精度。实现了基于STFT-VA算法的自适应Vold-Kalman阶比跟踪( AVKF-OT) , 和传统的以硬件实现的Vold-Kalman 阶比跟踪( VKF-OT) 相比, 此方法具有无需转速计等硬件、用纯软件的方法实现。实验结果表明, 该方法能够在时域中准确地提取幅值和复杂频率变化的阶比, 适合于复杂旋转机械振

对于带未知互协方差的两传感器系统, 提出一种协方差交叉(CI) 融合鲁棒稳态Kalman 滤波器, 它关于未知
互协方差具有鲁棒性. 严格证明了该滤波器的实际精度高于每个局部滤波器的精度, 但低于带已知互协方差的最优
融合Kalman 滤波器的精度. 基于协方差椭圆给出了精度关系的几何解释. 进一步将上述结果推广到一般多传感器情
形. 一个跟踪系统的Monte-Carlo 仿真例子表明, 其实际精度接近于带已知互协方差的最优融合器的精度.

通过卡尔曼滤波进行有效GP回归 基于两篇论文的存储库，其中包含相对于同类项目的简单实现代码： [1] A.Carron，M.Todescato，R.Carli，L.Schenato，G.Pillonetto，机器学习遇到了Kalman Filtering ，《 2016年第55届决策与控制会议论文集》，第4594-4599页。 [2] M.Todescato，A.Carron，R.Carli，G.Pillonetto，L.Schenato，通过卡尔曼滤波的有效时空高斯回归，ArXiv：1705.01485，已提交JMLR。 PS。 该代码尽管基于上述论文中使用的代码，但与之稍有不同。 它是它的后来的改进和简化版本。 而且，此处仍未提供[2]中介绍的用于实现自适应方法的代码。 文件内容是很容易解释的（有关每个文件的简要介绍，请参考相应的帮助）： main.m：包含主程序 plotResul

讲述抗差Kalman滤波基本原理及其GPS变形监测中的应用

用卡尔曼滤波方法对单个目标航迹进行预测，并借助于Matlab仿真工具，对实验的效果进行评估。