卡尔曼滤波是一种从间接和不确定测量中估计系统状态的算法。卡尔曼滤波器广泛应用于导航和跟踪、控制系统、信号处理、计算机视觉和计量经济学等领域。
你可以用MATLAB®,仿真软件®,和控制系统工具箱™设计和模拟线性稳态和时变,扩展和无味卡尔曼滤波器,或粒子滤波算法。阅读这组示例和代码,了解更多:
- 卡尔曼滤波:稳态和时变卡尔曼滤波器的设计与MATLAB仿真
- 时变卡尔曼滤波状态估计:在Simulink中设计导航跟踪系统
- 多速率传感器非线性系统状态估计: GPS和雷达传感器在不同采样率下对目标的位置和速度进行估计
- 基于无气味卡尔曼滤波和粒子滤波的非线性状态估计:基于噪声测量的范德堡尔振荡器的非线性状态估计
- 退化电池系统的非线性状态估计:无气味和基于事件的卡尔曼滤波器设计,用于估计锂电池的非线性状态
- 机动目标跟踪:使用单运动和多运动模型的跟踪滤波器设计