基于EKF算法(16维)的导航解算程序及数据，程序用MATLAB实现

为了评估所提出的基于三基站观测距离EKF融合滤波算法和传统的三基站观测距离LS定位算法的性能，假设系统的过程噪声和观测噪声都是服从均值为零，方差分别为10-8m和10-2m且彼此独立分布的高斯白噪声。已知三个参考基站的位置分别位于为(0，0)、(10，0)和(10，10)处，做匀加速直线运动的目标在初始时刻的状态向量 ，初始状态协方差矩阵 为6×6的单位矩阵。EKF融合滤波算法和LS定位算法的定位性能仿真结果如图1所示，图2展示了EKF融合滤波算法和LS定位算法的定位误差，图3展示了EKF融合滤波算法和LS定位算法的定位误差累积分布函数CDF。

扩展卡尔曼滤波(EKF)仿真中实现对雷达目标的跟踪matlab.zip

介绍了西工大严龚敏老师的EKF仿真实例。主要是涉及到一个例子，小球平抛，通过建立状态方程和量测方程，求解相应的雅各比矩阵，从而推导出扩展卡尔曼滤波的过程，希望能对学习EKF的同学有所帮助

基于EKF 单目序列SLAM，matlab平台模拟，可用于研究图像追踪 (1-Point RANSAC Inverse Depth EKF-Based Structure from Motion. Matlab code for EKF-Based Structure from Motion / EKF SLAM from a monocular sequence.)

数据融合matlab代码扩展卡尔曼滤波器，用于物体跟踪 无人驾驶汽车工程师纳米学位课程 在这个项目中，我使用了扩展卡尔曼滤波器，通过带噪的激光雷达和雷达测量来估计感兴趣的运动物体的状态。 使用文件“ obj_pose-laser-radar-synthetic-input”时，获得估计对象位置（px，py）和速度（vx，vy）输出坐标<= [.11，.11，0.52，0.52]的RMSE值。 txt”，即模拟器用于数据集1的相同数据文件。 该项目涉及Term 2 Simulator，可以下载 该存储库包含两个文件，可用于为Linux或Mac系统设置和安装。 对于Windows，您可以使用Docker，VMware或什至安装uWebSocketIO。 一旦完成uWebSocketIO的安装，就可以通过从项目顶部目录执行以下操作来构建和运行主程序。 mkdir构建 光盘制作 cmake .. 制作 ./扩展KF 代码与模拟器之间的交流 输入：模拟器提供给C ++程序的值 [“ sensor_measurement”] =>模拟器观察到的测量值（激光雷达或雷达） 输出：C ++程序提供给模拟

低成本MEMS器件具有低精度高噪声特点,其误差随时间不断累加,无法满足长时间载体姿态测量要求,针对此问题,设计了基于四元数扩展卡尔曼滤波器EKF(ExtendedKalmanFilter)的姿态估计算法。该算法将姿态四元数作为EKF滤波器状态,应用测量的角速率完成滤波器时间更新;应用载体所处位置的重力场与地磁场数据,完成滤波器量测更新,抑制了姿态误差发散,解决了长时间姿态测量问题。为检验算法可行性,分别开展了转台精度实验与静态实验,实验结果表明:俯仰、横滚角精度优于0.1°,航向角精度优于0.2°,2h内

关于使用EKF算法在Matalb编程实现SLAM的仿真实验

1-Point RANSAC for EKF Filtering, Application to real time structure from motion and visual odometry