利用扩展卡尔曼滤波器对动力电池SOC参数进行辨识，对极化电容，放电电阻等参数进行识别，实现高精度的SOC辨识，准确度高！

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。

主要关于卡尔曼滤波与扩展卡尔曼滤波，包含两个KF程序、一个EKF程序

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

这是一个关于扩展卡尔曼和无迹卡尔曼滤波的程序。可以通过程序设定机器人的行走路径。毕业全指望它了，哈哈！

使用MATLAB simulink工具 采用扩展卡尔曼滤波进行在线状态参数滤波或估计（此方法适用卡尔曼滤波器的实现），模型采用多输入多输出的状态空间模型。

卡尔曼滤波算法和扩展卡尔曼滤波算法，完整的matlab程序和仿真结果，程序简单，易懂。

扩展卡尔曼滤波(EKF)仿真演示，通过本文档的阅读可以更好的理解扩展卡尔曼滤波

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。

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。