快速Guided Filter

这是一个基于Matlab代码改编的Python实现，用于在一个或三个通道的引导图像上运行Guided Filter，并能够在任意数量的通道上过滤输入。该过滤器的原始版本由何凯明等人在TPAMI 2013年的论文中介绍。

快速图像里的高效滤波器里，Fast Bilateral Filter算是个挺能打的。用的是论文里提到的O(1)复杂度算法，也就是说，不管图像多大，时间几乎不怎么变。对做边缘保留的图像平滑来说，友好，尤其适合大图和实时。 代码是用MATLAB写的，实现也比较清晰。参考了两篇论文，一个讲核心思想，一个讲了进一步的加速思路。如果你之前写过常规双边滤波，会发现它速度提升不是一点点，响应也快，代码也不复杂。 有意思的是，它用了三角范围内核来做逼近，效率提升的关键点就在这。跟传统用高斯核的方法比，这思路挺巧的，而且精度上也还不错，做效果图时边缘不糊。你在医学图像、HDR 合成或者图像降噪这些方向时，能派上

This is the code for implementing the RLS adaptive algorithm filter. The RLS (Recursive Least Squares) algorithm is widely used in adaptive filtering applications. Below is the MATLAB implementation of the RLS adaptive filter which helps in understanding the core concepts of adaptive filtering and r

卡尔曼滤波的学习资料太多太杂？Kalmanstudy.zip这个资源还挺靠谱的，理论讲得细，仿真做得也到位，适合想系统掌握卡尔曼滤波的你。它不光了标准的Kalman Filter，还带了EKF和UKF的内容，三种滤波方式的原理、算法流程和适用场景都有涵盖。 Simulink 的仿真模型也是亮点，滤波流程可视化之后，理解起来就轻松多了。你可以直接把.slx文件拖进 MATLAB 里运行，改改参数看看效果，直观得。如果你之前在传感器数据或状态估计时觉得难下手，这个压缩包里的内容还蛮有的。 EKF非线性系统靠泰勒展开线性化，虽然有点粗糙，但效率还不错；UKF走的是另外一条路，用σ点分布估算状态，精度

本资源提供自适应陷波器的MATLAB仿真代码，包括级联型与并联型两种结构，实现方式灵活多样。用户可以选择单中心频率或多中心频率的功能，用于实现信号的自适应陷波和滤波。仿真结果显示，代码性能优秀，滤波效果良好，非常适合对信号处理有需求的工程师和研究人员。

基于RflySim平台开发的mahony互补滤波，包含仿真及实物代码、数据、simulink模型。

Matlab建立汽车模型代码无味卡尔曼滤波器项目作者：克里斯·冈德林，自动驾驶汽车工程师。项目依赖：cmake >= 3.5, make >= 4.1, gcc/g++ >= 5.4。基本构建说明：克隆这个repo，在构建目录编译：cmake .. && make，然后运行：./UnscentedKF path/to/input.txt path/to/output.txt。您可以在data/目录中找到一些示例输入。例如：./UnscentedKF ../data/sample-laser-radar-measurement-data-1.txt output.txt。该项目提供了两个不同的行

详细介绍了在 MATLAB 条件下 数字滤波器 的设计，及其实现过程。

LMS 算法的自适应滤波器代码，适合做系统识别和音频，Matlab 和 Octave 都能跑，支持 FIR 和 IIR 两种滤波结构。主分支是 FIR + NLMS 实现，另外还有专门给 Octave 写的版本。代码挺直白的，运行前记得换一下你自己的音乐文件名。适合做些信号方面的实验，比如用音频 x 去拟合一个未知系统 u，挺有意思。

Enhanced MATLAB Code for Unscented Kalman Filter Project: UKF 在无人驾驶汽车工程师纳米学位课程的项目中，UKF（无味卡尔曼滤波器）提供了一种更为优越的解决非线性问题的方法，相比之下，传统的扩展卡尔曼滤波器（EKF）存在一定的局限性。 UKF 的优势在于，它能够以平滑的速度估计周围动态对象的状态，即使噪声测量数据不断变化，也可以作为输入实现无延迟的估计结果。此外，UKF 可以借助无法直接观察的传感器数据，估算其他车辆的方向和偏航率。 在本项目中，通过无味卡尔曼滤波器，利用声呐和雷达测量来估算感兴趣运动物体的状态。项目的目标是实现 RM