卡尔曼滤波以及扩展卡尔曼滤波优秀博文汇总

扩展卡尔曼滤波EKF实现二维目标...对应的理论分析和参数设置，见博文《扩展卡尔曼滤波EKF在目标跟踪中的应用—仿真部分》https://blog.csdn.net/weixin_44044161/article/details/115329181?spm=1001.2014.3001.5501

扩展卡尔曼滤波EKF实现3D目标跟踪 ...对应的理论分析和参数设置，见博文《扩展卡尔曼滤波EKF在目标跟踪中的应用—仿真部分》https://blog.csdn.net/weixin_44044161/article/details/115329181?spm=1001.2014.3001.5501

对应的理论分析和参数设置，见博文《扩展卡尔曼滤波UKF—目标跟踪中的应用(仿真部分)》https://zhangdonglin.blog.csdn.net/article/details/115313573?spm=1001.2014.3001.5502 《匀速圆周运动-目标运动模型/机动...

对应的仿真模型及参数设置见扩展卡尔曼滤波 对应的理论分析和参数设置，见博文《无迹卡尔曼滤波UKF在目标跟踪中的应用—仿真部分》https://blog.csdn.net/weixin_44044161/article/details/115390660

扩展卡尔曼滤波(EKF)仿真演示，欢迎大家下载相关资料，非常不错

function [x_p,p_p,k,x,p] =kal_n(A,Q,z,h,R,x_,p_) clc % ch-1 problem-13 clear % m：观测次数 n：系统矩阵维度 A=[1 1;0 1]; %系统矩阵 n*n Q=0; %系统噪声 1*1 z=[ 97.9 94.4 92.7]; %观测值 1*m % z=[ 97.9 94.4 92.7 90.2 87.5 84.6 82.6 79.8 77.5]'; %观测值 1*m h=[0 1]; %观测系数 1*n R=0.1; %观测噪声 1*1 x_=[95 1]'; %观测初值 n*1 p_=[10 0; 0 1]; %观测方差初值 n*n [x_p,p_p,k,x,p] =kal_n(A,Q,z,h,R,x_,p_); 函数输出所有状态

以匀速直线运动为例，设计了基于距离的目标跟踪算法，即状态量为X、Y轴的位置和速度，观测值为物体到观测站的距离，具体实现过程见代码

运动物体的轨迹预测，分别使用卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波以及数据拟合方法实现。本例代码仅含扩展卡尔曼滤波部分代码。 本例仅为本人在研究轨迹预测问题时为理解算法原理所写，针对具体问题请自行斟酌算法适用性。 本例代码详解后续会在本人博客中做具体说明，欢迎讨论！

这是我在研究卡尔曼滤波以及粒子滤波时，封装好的卡尔曼滤波跟踪二维点的程序。程序中已经有测试好的点击，配置好opencv属性表，便可以直接运行。