不要写EKF代码，只要输入系统方程和量测方程即可滤波

EKF例程，用于雷达目标的跟踪。有需要的可以根据自己的要求来更改

基于EKF扩展卡尔曼滤波车身状态估计 汽车稳定性控制系统需要的状态信息一部分可通过车载传感器直接测量，另一部分不能直接测量。为了实现车辆动力学控制系统中的这种闭环状态反馈，受某些测量技术以及成本等因素的制约，依靠传感器直接测量获取某些重要状态量有很大的难度，因此提出状态估计的方法，即通过估计算法实时获取车辆在行驶过程中的某些重要状态量，如车速、横摆角速度、质心侧偏角等。本章利用扩展卡尔曼滤波方法，基于三自由度的车辆估计模型对轮边驱动电动汽车的纵向车速、侧向车速、质心侧偏角进行了估计，通过仿真验证了估计算法的准确性。

本资源包含电池参数辨识，及基于一阶等效电路模型的扩展卡尔曼滤波算法估计SOC的模型，模型可直接仿真，方便于初学基于EKF估算SOC的同学！！

EKF UKF PF三个算法在f(x) = 0.5 *x + 25*x/1+x^2 + 8 * cos(1.2*(k-1))下仿真比较，自己写的代码，直接可以产生很好的效果图，直接可以给导师看。

为了对比UKF与EKF两种算法的滤波效果，进行的仿真分析

有详细的EKF算法的介绍，以及对于SOC的估计，用此算法完成SOC在线估计

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

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。

基于扩展卡尔曼滤波的室内定位方法，多源信息融合课程报告，附带程序和数据。