卡尔曼滤波讲解PPT，包含经典卡尔曼滤波、无迹卡尔曼滤波、扩展卡尔曼滤波、多模型卡尔曼滤波，包含理论推导、仿真图示；适合汇报、学习、教学用

基于不同模型的粒子滤波的程序，程序是用matlab编写的

Matlab基于模糊自适应的交互多模型的多目标跟踪原创-基于模糊自适应的交互多模型的多目标跟踪的仿真程序.rar 希望对大家有帮助，基于FIMM的多目标跟踪代码

机动目标跟踪最优估计入门MATLAB代码，含MATLAB源码，说明文件，详细报告文件 EKF UKF IMM 交互多模型 快速入门必备

源代码实现了多模型的读取和纹理贴图！适合小白

VLE是研究复杂动态系统的多模型和仿真环境。 VLE基于离散事件规范DEVS。 它实现了DSDE形式（动态结构DEVS，DSDEVS与并行DEVS，PDEVS的合并）。 VLE提供了一套完整的C ++库，称为VFL（VLE基础库），用于开发DEVS模型，获取仿真结果，在集群上启动仿真。 可以使用DEVS形式主义或经典数学形式主义来开发模型：带有Euler的常微分方程，Range-Kutta或QSS积分器，有限状态自动机（FDDEVS，UML状态图，混合Petri网）。 VLE环境提供了一个IDE，用于开发C ++模型，DEVS耦合模型。 VLE还具有三个端口，可将VFL与Python，Java和R编程语言一起使用。

1、imm（交互多模型卡尔曼滤波器）是采用的对个卡尔曼滤波器模型同时做跟踪， 然后利用模型概率综合出，对每个模型的可行度，对每个模型输出的预测值和协方差，进行加权求平均 2、imm重点的核心在于，多个滤波器的概率的更新的方法，imm采用的是最大似然估计。 3、imm滤波器应该考虑的因素： a、选择一定个数的imm滤波器，包括较为精确的模型和较为粗糙的模型，imm滤波算法不仅描述了目标的连续运动状态 还描述了目标的机动性 b、马尔科夫链状态转移概率的选择，对imm滤波器的性能较大影响。 c、imm算法具有模块化的特性，当运动模型较为精确的时候，可以采用比较精确的运动模型。 当无法预料目标的运动规律的时候，那就应该选择更一般的模型，使得该模型具有更强的鲁棒性。

目标跟踪

交互多模型算法，采用Kalman滤波器，实现CA和CV的混合机动目标跟踪

一篇该方面比较好的论文，将人工智能技术和导航技术联系在一起，适用于想做学科交叉和学科融合的同学，这方面的文献比较少