一种改进扩展卡尔曼滤波新方法

针对现有的迭代扩展卡尔曼滤波（EIEKF）跟踪时估计精度较低这一不足，提出了一种改进扩展卡尔曼滤波（NIEKF）新算法。该算法将迭代滤波理论引入到扩展卡尔曼滤波方法中，重复利用观测信息，采用经典的非线性非高斯模型进行仿真实验，给出 了该方法与扩展卡尔曼滤波（EKF）、Unscented 卡尔曼滤波（UKF）、现有的迭代扩展卡尔曼滤波（EIEKF）的仿真结果，并分析了其跟踪性能和均方根误差。仿真结果表明,改进扩展卡尔曼滤波（NIEKF）新方法具有更高的估计精度。

Matlab——基于扩展卡尔曼滤波的锂电池SOC估计.zip

lp__matlab 学习笔记之基于扩展卡尔曼滤波的锂电池SOC估计

基于扩展卡尔曼滤波的电池soc估计simulink模型

基于扩展卡尔曼滤波的电池soc估计simulink模型，将模型计算得到的电池soc与扩展卡尔曼滤波得到的电池soc进行比较。

基于扩展卡尔曼滤波的SLAM（EKFfslam）

该程序为EKFslam的matlab程序，程序中包含周围环境的构造和小车的运动控制部分。

扩展卡尔曼滤波_ekf

基于C语言实现扩展卡尔曼滤波，文件包含具体实现代码

扩展卡尔曼滤波python代码

某物体在XY平面做运动，采样周期为1s，该运动系统的状态方程如式 (2-1) 所示， 其中,为系统的状态向量，各状态变量对应地分别表示方向的位置、方向速度、方向的位置、方向的速度。 为零均值高斯白噪声, 。 采用方位角传感器测量运动系统的方位角，作为系统的输出。系统的输出方程如式（2-2）所示： 其中 是零均值高斯白噪声，。 假设系统的初始状态, ，=0.02。 试利用扩展卡尔曼滤波理论求出的最优估计。 要求： （1）利用Matlab或Python 编写仿真程序。 （2）给出各状态变量的真值和估计值曲线变化图。 （3）分别给出的真值与估计值之间的误差曲线变化图，并求出误差的均值和方差。 （4）对滤波效果进行分析。

基于扩展卡尔曼滤波的GPS信号跟踪技术.pdf

摘 要： 提出一种基于扩展卡尔曼滤波的 GPS 信号跟踪方法，通过扩展卡尔曼滤波器，得到基于相 干积分支路的滤波模型，有效地削弱常规 GPS 跟踪环路中的跟踪误差，增强接收机的抗干扰性能，提升 其在信号较弱位置下环路的跟踪性能，对加入惯性信息条件下惯性信息对系统所产生的影响做了相应的 分析研究。通过仿真对比结果可以知道：当处于弱信号条件时，与通常用到的 GPS 信号跟踪方式相比， 基于扩展卡尔曼滤波的信号跟踪算法可以有效提升跟踪的精度。

扩展卡尔曼滤波算例matlab

1某系统的非线性状态方程和观测方程分别如式（1-1）和（1-2）所示。系统的一维状态变量为，观测变量为，是方差为10.0的零均值高斯白噪声，是方差为1.0的零均值高斯白噪声。试利用扩展卡尔曼滤波理论求出的最优估计。 要求： （1）利用Matlab或Python 编写仿真程序。 （2）在同一张图中，给出的真值和估计值曲线。 （3）给出的真值与估计值之间的误差曲线变化图，并求出误差的均值和方差。 （4）对滤波效果进行分析。

扩展卡尔曼滤波SOC算法Simulink模型

扩展卡尔曼滤波SOC算法Simulink模型，里面包括按时积分的SOC计算，包含噪音的SOC计算，和扩展卡尔曼滤波的SOC计算，输出三者的比较曲线，可以用来参考学习。

惯性导航扩展卡尔曼滤波（MATLAB）

惯性导航扩展卡尔曼滤波（MATLAB）

扩展卡尔曼滤波程序示例(matlab)

matlab写的一个扩展卡尔曼滤波程序，状态方程为线性，观测方程非线性，最后输出图片以便观察是否收敛，分享给大家参考。还有一个C++版本的。

扩展卡尔曼滤波算法的matlab程序.pdf

扩展卡尔曼滤波算法的matlab程序

TDOA/AOA定位的扩展卡尔曼滤波定位算法

TDOA/AOA定位的扩展卡尔曼滤波定位算法,新手上手看看，注释全面，简单易懂

扩展卡尔曼滤波项目C++代码

本资源提供了一个自动驾驶汽车程序启动扩展卡尔曼滤波项目C++代码。所谓扩展卡尔曼滤波器，就是适用于非线性系统的卡尔曼滤波器，可以更广泛的应用在项目中。

扩展卡尔曼滤波代码和数据

基于扩展卡尔曼滤波的车辆追踪项目，C++实现，CTRV模型，激光雷达和雷达传感器融合，详情见博客http://blog.csdn.net/adamshan/article/details/78359048

扩展卡尔曼滤波姿态解算

潮涌M语言实现，采用三轴角速率陀螺三轴加速度计结合扩展卡尔曼滤波实现姿态结算

论文研究-一种改进扩展卡尔曼滤波新方法.pdf

针对现有的迭代扩展卡尔曼滤波（EIEKF）跟踪时估计精度较低这一不足，提出了一种改进扩展卡尔曼滤波（NIEKF）新方法。本文将迭代滤波理论引入到扩展卡尔曼滤波方法中，重复利用观测信息，采用经典的非线性非高斯模型进行仿真实验，给出了该方法与扩展卡尔曼滤波（EKF）、Unscented 卡尔曼滤波（UKF）、现有的迭代扩展卡尔曼滤波（EIEKF）的仿真结果，并分析了其跟踪性能和均方根误差。实验结果表明，改进扩展卡尔曼滤波（NIEKF）新方法具有更高的估计精度。

EKF（扩展卡尔曼滤波程序）

扩展卡尔曼滤波

扩展卡尔曼滤波的算法程序

扩展卡尔曼滤波的C程序代码，大家可以试下，用于非线性滤波和跟踪