MATLAB卡尔曼的博客

2. WPL、ELM和其他方法的比较：WPL和ELM可以提供比LANDMARC（详见 L. M. Ni, Y. Liu, Y. C. Lau, and A. P. Patil, ”LANDMARC: indoor location sensing using active RFID,” Wireless networks, vol. 10, pp. 701-710, 2004.）和增强LANDMARC更高的定位精度。（文章在此部分有较为详细的叙述，但是太复杂了，等有需要的时候再来看）

在编队飞行、防撞、协同定位和事故监测等许多应用中，都需要基于GPS接收机和惯性测量单元的相对导航。由于传感器安装在独立移动的不同车辆上，因此由于不同的车辆动力学和信号环境，相对导航中的传感器误差比单车辆导航中的更大。为了提高相对导航中对传感器误差变化的鲁棒性，提出了一种有效的自适应GPS/INS集成方法。在所提出的方法中，通过两个基本不同的滤波器的创新分别估计GPS和惯性测量的协方差。一种是位置域载波平滑码滤波器，另一种是速度辅助卡尔曼滤波器。

文章没有看到关键词。

文章提出了wifi、行人航位推算、地标三者融合的算法，用到了卡尔曼（将别人文献里面的粒子滤波换成了卡尔曼），最终成果：两个实际实验（two real experiments have been conducted）开发了一个Android应用程序，用于室内实时定位和导航。比较了提出的方法和个别方法。结果表明，我们提出的框架有显著的改进。我们提出的系统可以提供平均1米的定位精度。

文章叙述近期的定位方面的成果，并说了发展前景智能手机定位，包括：GPS、蜂窝、航位推算。