基于一阶RC模型，电池带遗忘因子递推最小二乘法+扩展卡尔曼滤波算法（FFRLS+ EKF），参数与SOC的在线联合估计，matlab程序

提出基于级联扩展卡尔曼滤波与块状处理线性卡尔曼滤波的频偏和相位噪声协同处理方案。利用扩展卡尔曼滤波器对系统频偏进行初始估计, 利用块状线性卡尔曼滤波器实现频偏和相位噪声的精准估计。对最优数据块长度和调优参数Q的关系, 算法的线宽容忍性能、频偏估计范围以及频偏漂移追踪速度进行了详细的讨论和分析。结果表明, 该方案具有快速的载波估计收敛能力、较高的频偏和相位估计精度, 并且其频偏漂移追踪可高达320 MHz/μs。相比传统盲相位搜索方法, 该方案具备较高的频偏容忍度和较低的实现复杂度。最后实验研究正交相移键控(QPSK)光通信系统下的载波恢复性能, 同时给出不同光信噪比、块状数据长度下的载波频偏估计性能。

基于EKF的雷达与红外数据融合，通过状态向量融合与量测融合两种方法对多目标进行跟踪-EKF-based data fusion and infrared radar, through state vector fusion and measurement fusion of two methods for multi-target tracking

无迹卡尔曼滤波与扩展卡尔曼纳滤波的对比，程序可改，主要是针对扩展卡尔曼纳滤波与扩展卡尔曼滤波的预测性能做一个比较，程序可用，并且可以按照自己的函数进行更改

这是讲解用EKF分析匀速直线运动的例子，试过了能运行出结果

多种滤波器算法，扩展卡尔曼滤波EKF、无迹卡尔曼滤波UKF和粒子滤波（PF

通过matlab实验深入理解基本kalman滤波和扩展卡尔曼滤波算法，理解kalman在目标跟踪中的作用。并且对KF和EKF算法的滤波结果进行了性能对比。代码备注详细，方便阅读理解

Matlab实现基于EKF(Extended Kalman Filter, 扩展卡尔曼滤波)的无人机姿态估计 使用EKF(Extended Kalman Filter, 扩展卡尔曼滤波)算法来对四旋翼无人机的姿态进行滤波和估计，姿态包括：俯仰角、滚转角、偏航角的角度值和角速度值。前提：角度值无法直接通过传感器直接测得，角速度值可以测得。 代码说明 test1.m：一维线性卡尔曼滤波的例子 jaccsd.m：用于求解EKF算法中的雅克比矩阵 EKF.m：EKF算法仿真程序 仿真结果 说明： 1.仿真软件采用MATLAB2010b 2.控制量和姿态角速度值采用随机生成的数据(使用实际数据更好) 3.仿真过程偶尔会出现错误结果，原因是EKF计算过程中有几率出现奇异矩阵，导致算法无法进行下去

ME495机器人的传感，导航和机器学习 耶尔·本·沙洛姆（Yael Ben Shalom） 2021年冬季 包装清单 该存储库包含几个ROS软件包： 适应差动驱动机器人的软件包，可满足我们的需求。 2d-处理SE（2）中的转换的程序包。 使turtlesim乌龟遵循rectanglep路径的软件包。 一个软件包，用于存储与turtlebot硬件交互的代码。 一个模拟机器人运动学的软件包，以及一个用于检测地标和地标id的相对x，y位置的传感器。 软件包包含实现基于特征的卡尔曼滤波器SLAM。 该存储库使用外部软件包： nuturtlebot-附加软件包，可帮助我们使用turtlebot上的较低级硬件。 为了运行该项目，请下载turtle.repos文件。

本部分为pixhawk的惯性导航部分，主要算法为EKF，飞控核心。