功能：扩展卡尔曼滤波EKF的测量更新 % 输入： % GPSDat——当前时刻GPS定位定速结果，维数：1*7，时刻（s）、位置（m，n0系） 和速度（m/s，n系）； % MIMURes—— SINS惯导积分解算结果结构体，其元素有： % MIMURes.MIMUTime 当前时刻 MIMU测量数据的时刻值 % MIMURes.dt 当前时刻积分时间间隔（s） % MIMURes.Cb2n 当前时刻 MIMU所在载体b系到当地NED n系的方向余弦矩阵 % MIMURes.Qua 当前时刻 n系到 b系的旋转四元数 % MIMURes.Att 当前时刻 n系到 b系的旋转欧拉角（321转序），滚动角、俯仰角、偏航角，量纲：rad ； % MIMURes.Vel 当前时刻 b系相对于 n系的平动速度，当地北东地坐标系 n系，单位：m/s % MIMURes.BLH 当前时刻 b系所在位置的大地坐标，纬度(rad)、经度(rad)和高度(m) % NavEarthPar——与导航相关的地球物理参数结构体，有9个元素： % NavEarthPar.Grav_n n系

对比不同卡尔曼滤波器的性能包括EKF,UKF,GSF-EKF,IMM-EKF,IMM-UKF以及粒子群滤波

简单的扩展卡尔曼滤波程序,适合于刚刚接触 MATLAB编程的同学参考一下

matlab温度分布代码使用带阻抗测量的EKF进行温度估算 该存储库包含Matlab源代码，可使用单频阻抗测量和一维热模型实现双扩展卡尔曼滤波器（DEKF），用于电池温度监控。 该代码与以下文章一起提供：Richardson，Robert R.和David A. Howey。 “使用具有阻抗测量功能的卡尔曼滤波器进行无传感器电池内部温度估算。” 可持续能源，IEEE Transactions on 6.4（2015）：1190-1199。 和 如果您要将此代码用于自己的研究，请问您引用这篇论文。 该代码是由牛津大学工程科学系开发的。 有关我们的锂离子电池研究的信息，请访问网站。 如果您对我们的能源研究感兴趣，请访问我们的研究小组网站。 如有任何问题，请随时通过电子邮件发送给作者： 要求 您将需要MATLAB来运行此代码。 该代码已在MATLAB R2015b中开发和测试，应与更高版本一起使用。 尽管尚未在早期的MATLAB版本中进行过测试，但也应在不做任何改动的情况下使用。 安装 ##选项1-下载.zip文件##在以下位置下载代码的.zip文件： 然后，将该文件夹解压缩到计算机上选定的

这个包是PythonRobotics的 rust 实现。

基于A Double-Stage Kalman Filter for Orientation Tracking With an Integrated Processor in 9-D IMU中论文的实现，基于EKF-IMU算法的实现，基于ESKF-IMU算法的实现

ICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM_EKFICM

室内环境下基于IMM-EKF算法的移动目标定位

聪明的EKF算法matlab代码一种高效有效的二阶训练算法，用于基于 LSTM 的自适应学习 该软件随附论文 Vural, NM, Ergut, S., Kozat SS (2020)，“基于 LSTM 的自适应学习的高效和有效的二阶训练算法”，IEEE 信号处理交易（正在审查）。 旨在共享实验代码以供将来工作。 有关实验的详细信息，请参阅论文。 比较算法的超参数可以在hyperparameters.txt 中找到。 数据集可以在../data文件中找到。 所需的包： 该软件是用MATLAB编写的。 该软件由三部分组成： LSTM : 一层 LSTM 模块 优化器：优化器类 - 包括 SGD、RMSprop、Adam、DEKF 和 EKF。 LSTM_IEKF ：所提出算法的实现（包括一层 LSTM 模块）。

CSDN博客:《非线性滤波——基于EKF的INS/GPS松组合算法的研究（直接法|EKF|欧拉角）》附件资源 博文地址：https://blog.csdn.net/tsuibeyond/article/details/103835894 摘要：由于大多数的INS/GPS组合导航算法模型都是基于非线性模型，如何有效的融合INS与GPS的测量信息来对当前载体的位置、速度、姿态等信息进行估计成为一个被长期研究的课题。本篇博客试图记录一下使用直接法EKF算法实现INS/GPS松组合的过程，姿态角以欧拉角表示。