卡尔曼滤波器是一种算法，其估计来自间接和不确定测量的系统的状态。Kalman滤波器广泛用于导航和跟踪，控制系统，信号处理，计算机视觉和经济学等应用。
你可以使用matlab®，s金宝appimulink.®和控制系统工具箱™设计和模拟线性稳态和时变、扩展和无迹卡尔曼滤波器，或粒子滤波器算法。阅读下面的示例和代码来了解更多:
- 卡尔曼滤波：Matlab中的稳态和时变卡尔曼滤波器设计和仿真
- 使用时变卡尔曼滤波器的状态估计：Simulink中导航和跟踪系统的设计金宝app
- 具有多个多态传感器的非线性系统估算状态:使用不同采样率的GPS和雷达传感器估计目标的位置和速度
- 非线性状态估计使用Unscented Kalman滤波器和粒子滤波器:从噪声测量中对范德堡尔振荡器的非线性状态估计
- 降解电池系统的非线性状态估计：无需基于事件的卡尔曼滤波器设计，以估算锂电池的非线性状态
- 跟踪机动目标：使用单个运动和多个运动模型跟踪过滤器设计
