1）基于静态单位置仿真数据的KF初始对准给出10个状态变量的估计误差曲线，以及估计均方误差曲线，并对结果进行分析。2）基于单位置/双位置试验数据的KF初始对准给出单位置和双位置初始对准状态变量的估计误差曲线、估计均方误差曲线；分析单位置和双位置初始对准系统状态可观测性的变化，并给出结论

卡尔曼滤波和角度测定

测距系统中卡尔曼滤波器的演示 这是 similink 数据中只有测距（UWB）和 6 轴 imu 传感器的融合算法 演示 demo_ekf_error.m demo_ukf.m 更多详情、使用方法，请下载后阅读README.md文件

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

KF-GINS 简易绘图工具

通过matlab实验深入理解基本kalman滤波和扩展卡尔曼滤波算法，理解kalman在目标跟踪中的作用。并且对KF和EKF算法的滤波结果进行了性能对比。代码备注详细，方便阅读理解

这段代码以matlab为平台编写的，介绍了Kalman滤波在温度测量中的应用。通过这个实例应用，你能很好的掌握Kalman的基本知识，加深对Kalman滤波的认识。每段代码都配有解释说明，方便大家的理解。大家可以在此代码的基础上进行改编，或参考此代码编写自己的应用实例。

这是一种在similink数据中只使用测距（UWB）和6轴imu传感器的融合算法

基于UD分解的KF实现流程.pdf

EKF介绍实例，非常详细，实例学习卡尔曼滤波技术