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

【卡尔曼滤波】基于EKF、UPF、PF、EPF、UPF多种卡尔曼滤波实现航迹滤波跟踪matlab源码.zip

针对全钒液流电池的荷电状态(SOC)估计精度低、估计成本较高等问题,提出一种基于递推最小二乘算法(RLS)与扩展卡尔曼滤波算法(EKF)相结合的估计方法.该方法通过RLS算法辨识所建立的钒电池数学模型参数,通过EKF算法估计钒电池的SOC,将二者结合实现电池参数发生变化时准确估计钒电池的SOC.以5kW/ 30kWh的钒电池为对象,应用所提出的算法实现钒电池的SOC估计.结果表明,该算法可以准确估计钒电池的SOC,且可节省额外增加单片检测电池测量SOC的费用.

基于ekf的同步制图定位算法的matlab仿真