针对多站纯方位目标跟踪与定位问题,给出了一种基于一致性的分布式无迹卡尔曼滤波算法(CDUKF,Consensus-based Dis-tributed Unscented Kalman Filter)。各观测站利用本站和邻接站点信息获得目标状态的局部估计,其次利用联邦滤波器的加权原则和一致性算法,通过相邻观测站之间的局部信息交换获得目标状态的更高精度估计,并提出通过利用各站历史状态信息以改善算法的收敛速度。仿真结果表明论文所提出的算法能够实现多站纯方位被动跟踪,估计结果可接近传统集中式融合的跟踪精度。

无迹卡尔曼滤波matlab的代码，最基础的，有需要的可以在这个基础上修改

对代码中的卡尔曼滤波器进行修改，使用无迹卡尔曼滤波器，进行室内定位

电子-无迹卡尔曼滤波UKF的应用比较分析.pdf,综合电子技术四轴飞行器|飞控

 采用霍夫变换法对雷达目标进行起始，解决了机动目标的非线性强的问题，得到精确的航迹起始初值信息，并将初值信息作为无迹卡尔曼滤波目标跟踪的初始输入，实现对机动目标的跟踪。较其它的算法，霍夫-无迹卡尔曼滤波具有更高的精度。实验仿真，证明了其有效性。

这是不敏卡尔曼的示例代码，可运行； 不敏卡尔曼滤波器通过sigma采样点对非线性进行近似，效果优于扩展卡尔曼滤波器，是目前常用滤波器之一

【PS：刚才上传的排版出错了，这个是好的】 翻译来自以下链接PDF 【无迹卡尔曼滤波器 https://www.cse.sc.edu/~terejanu/files/tutorialUKF.pdf】； 附件包括 【1.PDF原文；2.翻译内容】

无迹卡尔曼滤波（UKF）是重要的非线性滤波方法。 无迹卡尔曼滤波方法是通过一组代表着均值和方差分布的采样点来对非线性系统进行非线性计算，在不对非线性方程线性近似的条件下，达到线性卡尔曼滤波器的滤波性能。

扩展EKF和ukf无迹卡尔曼滤波代码压缩包 有一个共同的简单例子 进行对比 两个卡尔曼滤波分别写成两个函数 需要的欢迎下载

主要封装了UKF(无迹卡尔曼滤波)的跟踪demo，并配有直观的图形展示，简单易用。 UKF，是KF、EKF的变种与扩展，对于非线性跟踪效果要明显好于KF。