均方误差的matlab代码实现导弹估计 抽象的 该项目的目标是使用视线测量法用导弹拦截目标。 在该项目中使用了两种模型来开发状态动力学：高斯-马尔可夫模型和随机电报模型。 连续时间卡尔曼滤波器用于确定两个模型的横向位置，速度和目标加速度的最小方差估计。 将这些估计值与它们在10秒钟的跨度内的对应真实值进行比较。 为了确定卡尔曼滤波算法是有效的并且所使用的模型是正确的，对10,000个实现进行了蒙特卡洛模拟。 通过仿真将不同状态的均方根误差与相应的滤波器值进行比较。 卡尔曼滤波器在模拟高斯-马尔可夫模型和随机电报模型方面的性能相似。 代码说明 one_real_gm使用高斯-马尔可夫模型运行连续时间卡尔曼滤波器的一种实现。 它绘制了真实状态与估计状态的关系 one_real_tele使用随机电报模型运行连续时间kalman滤波器的一种实现。 它绘制了真实状态与估计状态的关系 monte_carlo_gm使用高斯-马尔可夫模型对连续时间卡尔曼滤波器进行蒙特卡洛模拟。 它绘制了模拟的状态均方根误差与滤波器计算的均方根误差。 monte_carlo_tele使用电报模型对连续时间kalman滤

此演示展示了用于视频分析的基于颜色标记的对象跟踪。您可以使用通过使用 colorThreshoulder 应用程序创建的自定义颜色蒙版功能。跟踪执行稳健，因为可以使用卡尔曼滤波器解决丢失的测量。视频分析结束，跟踪点将被可视化并写入 CSV 文件。该演示可应用于各种视频分析，例如用于测量人体关节的运动捕捉。该演示是用于视频分析的基于颜色标记的对象跟踪演示。您可以使用颜色阈值应用程序来创建检测任何颜色的函数。卡尔曼滤波器用于跟踪标记，即使存在检测遗漏，它也能稳健运行。最后，将跟踪的对象位置可视化并作为时间序列数据写入 CSV 文件。您可以使用颜色标记轻松跟踪人体关节和各种其他移动物体的运动。您可以将其用于实验视频分析。 [Keyward]图像处理、视频分析、跟踪、跟踪、演示、IPCV演示

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

2D跟踪EKF 这是使用扩展卡尔曼滤波器的2D跟踪的简单matlab实现

kalman滤波器ppt讲义-学术讲座（卡尔曼滤波器）.ppt 希望对大家有所帮助

matlab开发-用于速度传感器或消息电机驱动的扩展卡尔曼滤波器。又一次为我的学生做示范。

基于STM32f1的双轮自平衡小车BalanceCar（完整代码，自测试完全通过，包含完整工程Keil5） 代码简介说明文档查看：https://michaelbeechan.blog.csdn.net/article/details/112759369

使用指南 使用genTrig（）或genRotAxis（）生成参考运动和角速度测量值。 使用genMea（）为参考运动生成姿态或矢量测量值。 使用“无偏差过滤器”文件夹中的功能估计姿态。

本教程的目的是通过一个简单的例子来说明卡尔曼滤波器的使用。 问题：预测移动列车 2 秒前的位置和速度，在前 10 秒内对其位置进行噪声测量（每秒 10 个样本）。 真实情况：火车最初位于点 x = 0 并沿 X 轴以恒定速度 V = 10m/sec 移动，因此火车的运动方程为 X = X0 + V*t。 很容易看出火车在 12 秒后的位置将是 x = 120m，这就是我们将尝试找到的。 方法：我们每 dt = 0.1 秒测量（采样）火车的位置。 但是，由于设备不完善、天气等原因，我们的测量结果有噪声，因此从 2 个连续位置测量值（请记住，我们仅测量位置）得出的瞬时速度是不准确的。 我们将使用卡尔曼滤波器，因为我们需要对速度进行准确和平滑的估计，以便预测未来列车的位置。 我们假设测量噪声呈正态分布，均值为 0，标准差为 SIGMA

在各种噪声强度下考虑使用离散时间卡尔曼滤波器在 2D 平面中进行目标跟踪。