工学博士学位论文 目前，扩展卡尔曼滤波是研究初始对准和惯性/GPS组合导航问题的一个主要手段。 但初始对准和惯性/GPS组合导航问题本质上是非线性的，对模型进行线性化的扩展卡 尔曼滤波在一定程度上影响了系统的性能。近年来，直接使用非线性模型的 UKF(Unscented Kalman Filtering, UKF)和粒子滤波，正在逐渐成为研究非线性估计问题 的热点和有效方法。 本文研究了UKF和粒子滤波两种非线性滤波方法，并将其应用于非线性静基座对 准和惯性

Unscented Particle Filter源程序-Unscented Particle Filter PROGRAM

[Matlab] 模拟无人机定位目标。这里无人机按sin曲线运行，运用EKF,UKF,PF方法进行滤波，对随机目标进行定位并展示定位过程。-[MATLAB] Simulation of Localization by UAV. It uses Extended Kalman Filter, Unscented Kalman Filter and Particle Filter to find the localization of target.

对粒子滤波、无迹卡尔曼滤波以及扩展卡尔曼滤波的算法做了对比，表现了粒子滤波的良好特性。-Particle filtering, unscented Kalman filter and extended Kalman filter algorithm to do a comparison, the performance characteristics of a good particle filter.