针对当前锂电池管理系统设计中经常出现的硬件采样电路复杂、SOC估算准确度低、需要高端处理器来实现复杂的SOC估算算法等问题，设计了适用于8位单片机的修正卡尔曼滤波算法，并基于STM8S单片机和BQ76930模拟前端芯片设计了一款用于智能扫地机器人的锂电池管理系统，应用所述算法，实现了对SOC、电芯电压、电流、温度等参数的实时准确测量，通过实验室模拟测试和真实产品测试，结果表明：系统参数测量误差小于5%，达到了设计要求，并且电路简单、稳定可靠、响应速度快、成本低。

为了评估所提出的基于三基站观测距离EKF融合滤波算法和传统的三基站观测距离LS定位算法的性能，假设系统的过程噪声和观测噪声都是服从均值为零，方差分别为10-8m和10-2m且彼此独立分布的高斯白噪声。已知三个参考基站的位置分别位于为(0，0)、(10，0)和(10，10)处，做匀加速直线运动的目标在初始时刻的状态向量 ，初始状态协方差矩阵 为6×6的单位矩阵。EKF融合滤波算法和LS定位算法的定位性能仿真结果如图1所示，图2展示了EKF融合滤波算法和LS定位算法的定位误差，图3展示了EKF融合滤波算法和LS定位算法的定位误差累积分布函数CDF。

卡尔曼滤波器及其扩展 Kalman滤波器，扩展Kalman滤波器，Unscented卡尔曼滤波器，Cubature Kalman滤波器，M估计鲁棒的cubature Kalman滤波器实现用于各种线性和非线性系统，例如UAV位置跟踪，UAV攻角和俯仰角跟踪，UAV角度跟踪等。

MATLAB卡尔曼滤波仿真

嘿大家， 这项工作提出了一种基于视觉的系统的实现，该系统可通过使用在Matlab中配置为跟踪器的卡尔曼滤波器估算器来识别行人，从而精确定位行人。 最后，将估计值与实际标签之间的差评估为估计误差。 https://youtu.be/HPwk3gG7EyM

MATLAB音频信号降噪kalman滤波

贝叶斯滤波和卡尔曼滤波的简要介绍，包括贝叶斯公式的推导，贝叶斯滤波的假设条件，卡尔曼滤波的五个方程。

主要为卡尔曼滤波器理解。有兴趣看这篇文章的同学大多应该都是做导航定位、多传感器数据融合或者图像识别研究的，所以不再过多赘述卡尔曼滤波器应用的场景，而是以卡尔曼滤波器能解决的实际问题为切入点，解释卡尔曼滤波器。具体地，解释内容分为以下三个部分： 什么是卡尔曼滤波 什么问题可以用卡尔曼滤波进行处理 卡尔曼滤波与统计学

介绍了卡尔曼滤波器观测方程及其实现原理，包括状态方程和推导过程

扩展卡尔曼滤波(EKF)仿真中实现对雷达目标的跟踪matlab.zip