本人将RSSI室内定位的matlab仿真分为8步（具体看代码文件夹中的readme.text），readme.text是代码使用教程，代码有很多注释，可结合我博客中的原理来理解，具体可看博客https://blog.csdn.net/gjh13/article/details/80388532

西蒙的最优估计，卡尔曼滤波经典教材

本资源是本人在大学四年里设计和研究的成果，主要研究sxy飞行控制的控制方法，方案采用的是9轴mpu9150，包含3轴陀螺仪+3轴加速计+3轴地磁计，陀螺仪采用四元数+欧拉角算法解算出xyz姿态角度，采用了加权系数串级pid控制算法（内环+外环鲁棒控制）使系统更加稳定、安全、和更具鲁棒性，采用卡尔曼滤波算法滤掉和平滑滤波算法滤除高频成分和突变情况，使角度更加平滑，输出更稳定，采用数字补偿控制飞行器漂移，采用24l01无线模块远程控制飞行姿态，采用超声波和z轴加速度控制高度和定高，实践飞行的效果比较好，飞行器飞行很稳定，抗干扰强、鲁棒性强，向下或向上拉扯抗拉力强，最大角度恢复速度快，稳定时间短，最大仰角下1-2次反馈就恢复水平，本代码和控制算法仅供大家学习和参考，请勿上传到其他网站赚取积分，否则将追究责任！

收到一些国内外朋友的来信，咨询关于容积卡尔曼滤波的问题(CKF)，大家比较疑惑的应该就是generator或G-orbit的概念。
考虑到工作以后，重心必然转移，不可能再像现在这样详细的回答所有人的问题，更不可能再帮大家改论文、写(或改)代码了，请各位谅解！在此，上传一个CKF和五阶CKF用于目标跟踪的示例代码，代码中包含详细的注释，希望对大家以后的学习和研究有所帮助！此代码利用C++对五阶CKF的第二G-轨迹进行了封装(Perms.exe)，能理解最好，如果无法理解，也无须深究其具体构造方法！可执行文件底层是用字符串+递归算法实现的，理论上可以应用于任意维模型。
但考虑到递归算法可能存在的栈溢出，重复压栈出栈带来的时间消耗等问题，我们利用矩阵的稀疏性和群的完全对称性，并通过分次调用，来尽可能减少栈的深度，提高计算速度。
容积点一次生成后，可以一直使用，通过对50维G-轨迹的生成速度(CoreT6600@2.2GHz)进行测试，包含数据读写在内的速度约为1.5秒，速度尚可。
而目前为止，本人尚未遇到达到甚至超过50维的系统，因此，暂时不作算法层面的优化。
注意：Perms.exe可以用于任意维模型，将可执行文件复制至工作目录下，调用时选择N/n，并输入你的模型维数，即可生成所需的第二G-轨迹。
如果无法理解相关的概念，请参考示例代码，并记住如何使用即可~~~相关理论基础及所用模型，请参考以下文献：References(youmayciteoneofthearticlesinyourpaper):[1]X.C.Zhang,C.J.Guo,"CubatureKalmanfilters:Derivationandextension,"ChinsesPhysicsB,vol.22,no.12,128401,DOI:10.1088/1674-1056/22/12/128401[2]X.C.Zhang,Y.L.Teng,"AnewderivationofthecubatureKalmanfilters,"AsianJournalofControl,DOI:10.1002/asjc.926[3]X.C.Zhang,"Cubatureinformationfiltersusinghigh-degreeandembeddedcubaturerules,"Circuits,Systems,andSignalProcessing,vol.33,no.6,pp.1799-1818,DOI:10.1007/s00034-013-9730-0

介绍了卡尔曼滤波及各种改进算法，包括EKF,UKF等，并给出matlab仿真

本文首先介绍了GPS系统组成，在此基础上介绍了其定位的基本原理，然后通过对载体的运动进行动态建模将卡尔曼最优估计理论引入导航定位系统中，解决了滤波器的发散，非线性系统的线性化等一些常见问题，提高了系统的定位精度，并对卡尔曼滤波进行自适应的改进，进一步提高了其精确度和稳定性。
接着讨论了GPS定位的误差源和它们对定位精度的影响，并分析了怎样改进定位性能，并对GPS完整性进行了研究，在对卫星导航系统中现有RAIM算法进行研究的基础上，讨论了故障卫星的探测与分离方法，提出了一种新的有效的探测和分离故障卫星的方法。
文章的最后通过对整个定位过程进行仿真，对比了最小二乘算法和卡尔曼滤波算法的定位、测速精度以及其动态性能，并对所提出的新的RAIM算法进行了仿真，仿真结果表明了该算法的正确性及实用性。

这是用c++写的关于使用卡尔曼滤波跟踪的代码，供大家参考

卡尔曼滤波跟踪视频目标matlab程序，简单易懂

Title:卡尔曼滤波与维纳滤波现代时间序列分析方法Author:邓自立Source:2001,哈尔滨工业大学出版社,396pAbstract:

基于扩展卡尔曼滤波的车辆追踪项目，C++实现，CTRV模型，激光雷达和雷达传感器融合，详情见博客http://blog.csdn.net/adamshan/article/details/78359048

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。