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。

C++写的一个Ubuntu下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，有比较详细的注释，分享给大家参考。还会上传一个matlab版本的。

使用了扩展卡尔曼，完成了UWB和惯导的数据融合，并实现了仿真。代码几乎都有注释，可以很好的起到事例作用。

运动物体的轨迹预测，分别使用卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波以及数据拟合方法实现。本例代码仅含扩展卡尔曼滤波部分代码。 本例仅为本人在研究轨迹预测问题时为理解算法原理所写，针对具体问题请自行斟酌算法适用性。 本例代码详解后续会在本人博客中做具体说明，欢迎讨论！

TDOA AOA定位的扩展卡尔曼滤波定位算法Matlab源码-TDOA AOA positioning of extended Kalman filter algorithm Matlab source

MATLAB下扩展卡尔曼滤波的S函数实现，不多说，直接上代码，可以直接复制运行，不同版本下稍微修改一下配置即可

扩展卡尔曼滤波训练的神经网络matlab代码

扩展卡尔曼滤波器的matlab仿真。希望能对大家有所帮助。

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。

这是用于目标跟踪的粒子滤波代码， 用matlab编写的，很有借鉴性，一维情况下， 非高斯非线性，其中将扩展卡尔曼滤波与粒子滤波进行比较，更好的说明了粒子滤波的优越性