说明：Cubature Kalman filter versus Extended Kalman Filter

说明：kalman滤波EKF程序,通用且通俗易懂，适用于初学者。

说明：扩展卡尔曼滤波算法是目前最常用的非线性滤波算法之一，其核心思想就是将非线性模型线性化后，然后采用标准的卡尔曼滤波算法进行迭代滤波，这是一种最基本的解决非线性滤波问题的方法，目前在目标跟踪领域得到了广泛的运用。

说明：主要对扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）及改进无迹卡尔曼滤波（MAUKF）算法进行研究，研究了三种算法的基本原理和各自的特点。其中扩展卡尔曼滤波器是将卡尔曼滤波器局部线性化，其算法简单，计算量小，适用于弱非线性、高斯环境。无迹卡尔曼滤波器是用一系列确定样本来逼近状态的后验概率密度。改进无迹卡尔曼滤波算法在UKF的基础上引入衰减因子。

说明：EKF仅仅利用了非线性函数Taylor展开式的一阶偏导部分（忽略高阶项），常常导致在状态的后验分布的估计上产生较大的误差，影响滤波算法的性能，从而影响整个跟踪系统的性能。最近，在自适应滤波领域又出现了新的算法——无味变换Kalman滤波器（Unscented Kalman Filter-UKF）。UKF的思想不同于EKF滤波，它通过设计少量的σ点，由σ点经由非线性函数的传播，计算出随机向量一、二阶统计特性的传播。因此它比EKF滤波能更好地迫近状态方程的非线性特性，从而比EKF滤波具有更高的估计精度。

说明：非线性估计中无味滤波_UKF_与扩展卡尔曼滤波_EKF_之比较研究

说明：介绍EKF和UKF理论及其区别，通俗易懂。

说明：本程序包设计了一个利用Visual C++编写的基于EKF的SLAM仿真器，可用于机器人的路径规划的仿真实验设计。

说明：本程序包设计了一个利用Matlab编写的基于EKF的SLAM仿真器，可用于机器人的路径规划的仿真实验设计。

说明：扩展卡尔曼滤波例程，data为数据，EKF是处理数据的函数

说明：code for simulating extended kalman filter

说明：matlab ekf and ukf manual,讲解的很详细，很有参考价值

说明：根据SLAM算法中的EKF-SLAM算法对运动机器人和周围环境进行同步定位和环境识别的仿真，可以达到较高的定位精度和结果

说明：TDOA dual kalmans filter, maily consisting of UAVs . i

说明：EKF滤波器实现代码 有利于初学者了解非线性滤波变成

说明：ekf,ukf等滤波器的工具箱，非常实用，适合初级，中级，高级人群使用

说明：An implementation of Unscented Kalman Filter for nonlinear state estimation.

说明：BAYESIAN FILTERING: including KF, EKF, Unscented EKF, Particle Filter & etc

说明：EKF在捷联惯性导航系统初始对准中的应用？在方位角为大失准角的情况下，如何进行初始对准

说明：给出了利用matlab程序编写的脉冲星EKF仿真程序，对噪声进行时变分析

说明：localization of mobile robot by using Ekf

说明：现代信号处理中的扩展卡尔曼滤波和无迹卡尔曼滤波的介绍，以及matlab的实现方法。

说明：用泰勒级数展开的形式表示高动态的载波相位参数, 给出了对高动态载体和各阶频率参数 估计的四阶加权扩展卡尔漫滤波器(EKF) , 以及实现高动态跟踪滤波器必须的状态转移矩阵和动 态噪声协方差矩阵. 计算机模拟实验分析了对载波相位和各阶频率的跟踪结果.

说明：上传一个word档的联邦式扩展卡尔曼粒子滤波算法，大家学习粒子滤波有益，为了使联邦滤波器够有效处理非高斯、非线性系统的状态估计问题，提出将扩展卡尔曼粒子滤波引入联邦滤波结构中，得到一种新的联邦式扩展卡尔曼粒子滤波算法.使用扩展卡尔曼粒子滤波对联邦滤波子系统的多源数据进行处理，从而摆脱了经典卡尔曼滤波的限制，拓宽了联邦滤波器的实际应用范围.将联邦式扩展卡尔曼粒子滤波算法应用于非线性滤波器的一个标准验证模型进行了仿真实验，结果表明该算法是有效性的.

说明：粒子滤波与EKF程序，改程序可对两种方法处理结果进行比较

说明：EKF程序，可以应用于粒子滤波程序进行效果比较

说明：Ensemble Kalman Filter (EnKF) data assimilation methods can be avoided in the EKF covariance forecasting the evolution equation arising in the course of the calculation is not accurate and on the covariance matrix of a large amount of data storage problems

说明：Ensemble Kalman Filter (EnKF) data assimilation methods can be avoided in the EKF covariance forecasting the evolution equation arising in the course of the calculation is not accurate and on the covariance matrix of a large amount of data storage problems

说明：用PF和EKF实现了多径参数估计,有很详细的程序说明

说明：一维EKF滤波算法 主要用于目标跟踪 同理可推广到多维情况