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。

RFID动态目标定位系统，通过对比加权非线性最小二乘法（WNLS）与扩展卡尔曼滤波（EKF）两种算法，评估其在动态场景下的定位精度与轨迹跟踪能力。

二维非线性目标跟踪的MATLAB仿真程序，通过容积卡尔曼滤波（CKF）结合RTS平滑算法实现运动目标的状态估计。程序包含参数设置、轨迹生成、CKF前向滤波、RTS后向平滑和可视化分析五大模块，可输出目标运动轨迹、误差图像和定量评估指标（RMSE、最大误差等）。

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。

基于UKF和RTS平滑的二维非线性目标跟踪方法。该算法针对匀速运动目标，利用固定观测站获取的距离和方位角（极坐标）非线性观测数据，通过无迹卡尔曼滤波(UKF)进行前向估计，再结合RTS后向平滑优化结果。实验对比了直接观测、UKF滤波和UKF+RTS平滑三种方法，结果表明UKF+RTS方案性能最优，能有效抑制噪声并降低估计误差。文章详细阐述了算法原理、实现步骤和仿真结果，包括状态建模、UKF滤波、RTS平滑等核心环节，提供MATLAB源代码

基于手机（低精度）IMU和GNSS数据的无人机姿态初始化方法，通过MATLAB仿真验证了"粗初始化+卡尔曼滤波"的姿态解算方案。

RRT算法在三维空间进行自主路径规划，通过TOA定位技术验证轨迹精度，形成闭环仿真。核心功能包括：1）基于混合采样策略的三维RRT路径规划；2）多基站TOA最小二乘定位；3）实时性能评估与可视化分析。

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。

基于联邦卡尔曼滤波（FKF）融合反馈模式的多传感器信息融合定位仿真系统，MATLAB代码包运行，适用于导航定位领域，可定制开发相关滤波算法。

基于TDOA定位与UKF滤波融合的动态目标跟踪方法。该方法采用多锚点TDOA测量模型，通过两步加权最小二乘法实现高精度定位，并引入无迹卡尔曼滤波(UKF)进行动态数据融合代码可通过指定链接获取，并提供定制

本文介绍了一个基于TDOA（到达时间差）算法的二维声源定位与报警系统仿真。该系统通过模拟4麦克风阵列接收带噪声的正弦波信号，利用互相关法计算信号到达时间差，采用非线性最小二乘法求解声源坐标，并判断定位结果是否落入预设圆形报警区域。仿真实现了完整的定位流程，包括硬件建模、信号模拟、TDOA计算、位置求解和报警判断，并通过可视化界面直观展示麦克风位置、声源位置和报警状态。代码参数可灵活调整，支持不同声源位置、噪声强度和报警区域的测试。该方案可扩展为三维定位或多声源定位，适用于室内外安防监控等应用场景。