985工科博士毕业，专攻定位、导航和滤波等算法研究。从业10年，主要使用MATLAB

本文推荐了一个适合本科毕设或研究生入门的导航定位课题：基于UWB/IMU紧耦合的二维定位导航仿真研究。该课题针对GNSS信号受限环境，通过扩展卡尔曼滤波（EKF）融合超宽带（UWB）测距信息和惯性测量单元（IMU）数据，实现高精度室内定位。研究内容包括建立运动模型、测距观测模型、设计EKF融合算法，并进行仿真验证。该方案结合了UWB的高精度测距和IMU的高频运动预测优势，适用于机器人导航、无人机定位等场景，具有较好的工程应用价值和算法研究意义。

本文介绍了一套基于RSSI的RFID二维室内定位仿真系统。该系统采用MATLAB实现，通过对数路径损耗模型描述信号衰减，支持被动UHF RFID（双程反向散射）和主动RFID（单程传播）两种模式。定位算法采用线性最小二乘粗估计和加权高斯-牛顿迭代精优化的两阶段策略，考虑了RSSI噪声与距离误差的关系。仿真场景设置为8m×7m矩形空间，4个读写器分布于四角。系统输出包括定位场景图、RSSI与距离对比图以及蒙特卡洛统计分析结果，提供均值误差、标准差等关键指标，为RFID室内定位研究提供可视化分析工具。

本文提出了一种基于多传感器协同的目标动态轨迹跟踪方法，结合了MUSIC算法、最小二乘定位和扩展卡尔曼滤波(EKF)技术。系统采用4个固定传感器站，每个配备8阵元均匀线阵，通过处理目标辐射信号实现被动定位。仿真实验对比了最小二乘定位与EKF跟踪的效果，结果显示EKF能显著提高轨迹跟踪精度。文章详细介绍了系统架构、算法流程和仿真结果，包括空间谱分析、轨迹对比和误差分析图。该方法适用于雷达、声呐等领域的多站目标跟踪场景，参数可调性强，便于进行不同信噪比条件下的性能评估。完整MATLAB代码可通过指定链接获取。

本文介绍了一个基于接收信号强度(RSSI)的UHF RFID三维室内定位仿真系统。该系统采用MATLAB实现，模拟了被动式RFID标签在三维空间中的定位过程。核心原理是使用对数距离路径损耗模型建立RSSI与距离的映射关系，并叠加高斯噪声模拟实际误差。系统通过线性最小二乘获得初始位置估计，再经加权高斯-牛顿迭代精化坐标。仿真结果显示，该系统能有效实现三维定位，并提供误差统计分析。该代码适用于RFID定位算法研究，可扩展加入多径效应、卡尔曼滤波等功能。完整MATLAB代码已提供下载链接。

本文提出了一种基于容积卡尔曼滤波（CKF）与RTS平滑的三维目标跟踪方法。针对球坐标观测的非线性问题，CKF利用球面-径向容积准则，克服了传统EKF线性化误差和UKF维度适应性不足的缺陷。通过真实数据模拟、CKF前向滤波和RTS逆向平滑，实现了三维空间目标的高精度跟踪。实验结果表明，该方法在强非线性条件下具有更好的数值稳定性，RTS平滑进一步提升了轨迹精度。可视化分析验证了误差收敛性和理论一致性，为三维目标跟踪提供了有效解决方案。

三维非线性目标跟踪仿真程序，采用扩展卡尔曼滤波(EKF)进行实时状态估计，并结合RTS平滑算法提升轨迹精度。程序实现了真实三维场景建模，支持"距离+方位角+俯仰角"的非线性观测模式。

三维交互式多模型粒子滤波器（IMM-PF），用于机动目标的高精度轨迹跟踪。该方法融合匀速（CV）和匀加速（CA）两种运动模型，通过自适应模型切换机制，在巡航和机动段均能保持优异的跟踪性能。仿真结果表明，IMM-PF相比单一模型方法显著降低跟踪误差（机动段误差减少30%以上），并实时输出模型概率曲线显示运动状态识别过程。代码提供完整的三维轨迹仿真、误差统计和可视化功能，验证了算法在复杂机动场景下的优越性。

本文介绍了一种基于交互多模型粒子滤波(IMM-PF)的目标跟踪算法。该算法同时采用匀速(CV)和匀加速(CA)两种运动模型，通过粒子滤波实现对目标状态的并行估计与自适应切换。核心特点包括：多模型协同跟踪、根据观测数据自动调整模型权重、适用于非线性非高斯场景、输出平滑稳定的轨迹估计。仿真结果显示，相比单一模型方法，该算法在目标运动状态变化时表现更稳定，跟踪精度更高。MATLAB源代码实现了二维空间下的目标跟踪，包含600步仿真、5000个粒子，并提供了运动轨迹、误差曲线和模型概率等可视化结果。算法可有效处理目

种分布式EKF协同导航算法，通过融合IMU、GNSS和UWB三类传感器数据实现多节点定位。算法创新性地引入协方差交集（CI）融合方法，解决分布式系统中估计误差相关性问题。仿真实验设置3个节点，采用200步0.1s步长的匀速运动模型，结果表明算法能有效跟踪三维轨迹并保持稳定误差性能。提供完整的MATLAB源代码下载链接。

基于MATLAB的A路径规划算法实现，用于二维平面无人车导航与避障，并集成TOA定位仿真功能。算法通过A搜索寻找最优路径，利用6个锚节点的TOA测距技术进行定位估计，对比分析真实路径与定位轨迹的误差。

本文提出了一种低功耗蓝牙(BLE)指纹定位与行人航位推算(PDR)融合的室内定位仿真系统。系统采用无迹卡尔曼滤波(UKF)和粒子滤波(PF)两种算法进行融合定位，并与单独的BLE和PDR定位结果进行对比。仿真过程包括BLE信号建模、指纹库构建、PDR轨迹生成、定位融合及误差分析等步骤。实验结果表明，融合算法能有效抑制PDR的累积误差，其中UKF和PF的平均定位误差分别为1.93m和1.77m，相比单独PDR的7.71m显著提升。系统可用于评估不同融合算法在室内定位中的性能差异。

基于TDOA与IMU紧耦合的三维定位仿真系统。MATLAB源代码分享。该系统通过融合IMU的高频运动数据和TDOA的低频位置测量，采用EKF算法实现稳定连续的三维定位。仿真结果表明：纯IMU方法存在累积误差，纯TDOA方法存在测量噪声抖动，而紧耦合方法能有效抑制IMU漂移并平滑TDOA噪声，在三维方向上均表现出更优的定位性能。程序提供了轨迹对比图、误差曲线及统计指标，便于全面评估算法性能。该平台结构清晰，可扩展至高维状态建模或鲁棒滤波研究，适合作为UWB/IMU融合定位算法的验证工具。

融合两步加权最小二乘(Two-Step WLS)与容积卡尔曼滤波(CKF)的二维动态目标定位方法例程。MATLAB仿真，TDOA，运动目标跟踪，抑制了纯TDOA定位的抖动现象，定位精度提升明显

二维平面下基于 TDOA 与 IMU 数据的紧耦合 EKF 定位仿真系统，通过高频惯导传播与低频 TDOA 观测更新融合，实现对目标位置与航向的稳定、高精度估计原创代码，非AI生成，包运行成功，附下载链接典型的 IMU高频传播 + UWB低频修正 紧耦合架构

基于TDOA（到达时间差）与IMU（惯性测量单元）数据融合的二维动态定位方法。通过扩展卡尔曼滤波（EKF）将TDOA观测与惯性导航数据进行融合，提高定位精度。代码结构清晰，便于扩展至三维定位或多模型跟踪等应用场景。

基于扩展卡尔曼滤波(EKF)的UWB与IMU三维紧耦合定位算法。系统采用9维状态向量(位置、速度、姿态)，利用EKF框架进行预测和更新：预测步骤使用IMU数据进行航位推算，更新步骤直接处理UWB测距值。算法具有紧耦合架构优势，能在UWB信号受限时仍保持定位能力。

二维平面下的UWB与IMU紧耦合定位导航系统仿真框架。该系统采用扩展卡尔曼滤波(EKF)进行多源信息融合。仿真结果表明，该紧耦合结构能有效实现定位导航，通过直接融合原始UWB测距数据避免了松耦合结构的分步定位误差。系统在20秒仿真中测试了圆周和直线组合运动轨迹，并提供了位置RMSE、最大误差等多项评估指标。该适用于室内定位和GNSS拒止环境下的机器人导航等场景，采用MATLAB实现。

基于手机IMU和GNSS的车辆航向初始化的MATLAB仿真例程，通过构建车辆真实运动模型，模拟陀螺仪零偏和噪声条件下的传感器数据，并利用GNSS差分航向作为观测值进行卡尔曼滤波校准。

三维TDOA定位系统几何精度定量分析的MATLAB程序。该程序通过构建九基站正方形阵列布局模型，计算目标在不同位置的GDOP(几何精度因子)和CRLB(克拉美罗下界)，评估基站布局对定位精度的影响。

本文提出了一种TOA（到达时间）与TDOA（到达时间差）混合的三维定位算法，适用于不少于4个锚节点的场景。算法在统一框架下实现TOA定位、TDOA定位及二者的联合优化定位，并通过数值仿真与三维可视化进行性能对比。程序包含几何质量评估、正则化处理等稳定性措施，支持任意数量锚节点，可输出定量误差分析。结果表明，联合定位方法能有效融合绝对距离与相对距离差信息，在多数情况下获得更高精度。该实现具有教学与工程验证价值，提供MATLAB源代码。

基于MATLAB实现了三种二维平面定位算法：TOA（到达时间）、TDOA（到达时间差）和TOA-TDOA混合定位。系统配置4个锚节点，通过最小二乘法求解目标位置，并对比分析了三种方法的性能。

扩展卡尔曼滤波(EKF)与H∞优化的EKF(H∞-EKF)在模型失配情况下的性能差异。仿真采用二维目标运动模型，H∞-EKF通过引入膨胀因子(1/(1-1/γ^2))调整协方差矩阵，增强对不确定性的适应能力。

二维定位算法仿真的MATLAB代码，对比基于TOA（到达时间）、TDOA（到达时间差）以及两者混合的定位性能。通过MATLAB实现，涵盖了从数据生成、噪声建模、算法求解到结果可视化及误差分析的全过程。

用于TDOA（到达时间差）定位中GDOP性能评估的MATLAB程序。该程序通过网格遍历计算固定高度平面内不同位置的GDOP值，可直观展示基站布局对定位精度的影响。主要功能包括：三维基站建模、空间遍历与GDOP计算、工程可用性处理

对比分析了三种无人机三维路径规划算法：A算法、RRT算法和人工势场法(APF)，MATLAB仿真代码可直接运行，完整实现见正文

本文介绍了一种基于Dubins曲线的车辆轨迹规划方法。Dubins曲线由左转弧线(L)、直线段(S)和右转弧线(R)三种基本运动组成，共有6种组合方式。算法通过归一化距离和角度，枚举所有路径组合并选择最优解。MATLAB实现包括核心计算函数、6种路径求解函数及路径采样功能。实验设定不同起点、终点和转弯半径参数，验证了算法的有效性。代码可生成完整轨迹并可视化结果，适用于车辆路径规划等应用场景。完整源代码可通过指定链接获取。

三维空间DOA定位算法的MATLAB程序，多个测角传感器协同工作实现目标定位。采用平面阵列结构估计目标的方位角和俯仰角，利用最小二乘法融合多传感器角度信息进行三维定位。

基于扩展卡尔曼滤波(EKF)和RTS平滑的二维非线性目标跟踪算法。针对匀速(CV)运动目标，利用距离-方位角观测数据进行状态估计。程序支持自定义雷达位置、目标轨迹和噪声参数，提供了轨迹对比、误差分析和统计指标等多角度评估。

基于MUSIC算法的三维DOA估计与多传感器定位方法，提供了完整的MATLAB实现，包括信号建模、MUSIC谱估计、角度交汇定位和误差分析功能，适用于被动定位和辐射源定位等应用场景。

基于MUSIC算法的三维DOA（到达角度）定位方法，采用两个传感器协同工作，通过估计方位角和俯仰角实现目标定位。提供了完整的实现方案，包括信号生成、MUSIC算法实现、角度估计和三维定位解算，可直接运行获得定位结果和误差分析。

代码，基于MUSIC的DOA定位，两个锚点，平面

基于MUSIC算法的多传感器协同目标定位系统。该系统通过阵列信号处理实现高分辨率DOA估计，能够在低信噪比条件下检测弱信号。采用多站DOA测量数据融合和鲁棒的最小二乘法定位算法，有效提高了定位精度并抵抗个别传感器误差，为多传感器协同定位研究提供了完整解决方案

三维轨迹匹配，通过卡尔曼滤波将GNSS观测与轨迹匹配结果进行最优融合。适用于城市峡谷环境导航、室内外无缝定位等场景。误差均值、标准差和CDF曲线均优于传统GNSS定位，并提供了详细的参数调节指南。完整MATLAB代码已公开，可实现三维轨迹匹配与最优定位估计。

基于候选轨迹匹配的三维地面目标定位方法。该方法假设目标运动受限于若干已知轨迹，通过融合GNSS观测数据与轨迹先验信息实现精确定位。

本文提出一种基于轨迹先验的三维地面目标定位与轨迹判别方法。针对GNSS观测存在噪声和偏置的问题，通过构建多条候选轨迹模型，利用概率推断实现轨迹识别与定位优化。仿真结果表明，该方法能有效提升定位精度，增强轨迹识别的稳定性。代码支持任意数量轨迹设置，并提供轨迹概率演化、误差分析等性能评估。与直接使用GNSS观测相比，所提方法在三维坐标误差和欧氏距离上均有显著改善，适用于道路约束车辆定位、无人系统航线识别等场景。

UAV辅助UGV的协同定位仿真系统,可评估在GNSS精度不足时，引入空中平台对地面定位的改善效果

本文介绍了一种UAV辅助UGV的二维协同定位仿真框架，用于评估在低精度GNSS条件下空地协同的定位效果。仿真中UAV以圆周飞行提供测距测角信息，UGV进行连续运动模拟实际行驶。采用标准卡尔曼滤波融合UAV测量和GNSS数据，通过轨迹、位移和误差曲线对比验证定位精度提升。结果显示协同定位较GNSS单独定位显著降低了平均误差和极值误差。MATLAB源代码实现了该仿真系统，包含参数设置、运动模型和滤波算法。该框架为异构平台协同定位提供了有效的验证工具。

本文所述的代码用于对比了两种常见的滤波算法——扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF），背景为融合惯性导航系统（INS）和测速仪（DVL）的二维速度、轨迹（也就是各个时刻的位置）估计。

本文介绍了一个基于扩展卡尔曼滤波(EKF)的二维INS/DVL速度融合算法。该程序通过建立非线性运动模型和观测模型，将惯性导航系统(INS)的连续但易漂移速度与多普勒测速仪(DVL)的带噪但稳定速度进行最优融合。仿真结果显示，EKF能有效修正INS速度误差，减少轨迹漂移。程序采用MATLAB实现，包含状态初始化、非线性模型构建和滤波计算等核心模块，适用于导航定位领域。作者还提供了三维环境下的扩展版本和代码定制服务。

本程序基于扩展卡尔曼滤波（EKF）的 INS/DVL 速度融合仿真框架，用于三维空间中载体速度估计与轨迹重构。程序以三轴速度作为系统状态，通过构造非线性速度演化模型与线性速度观测模型，模拟惯性导航系统（INSINSINS）速度积分漂移与多普勒测速仪（DVLDVLDVL）速度测量噪声并存的典型导航场景，并利用EKFEKFEKF对速度状态进行实时校正。