近来发现有些问题很多人都很感兴趣。所以在这里希望能尽自己能力跟大家讨论一些力所能及的算法。现在先讨论一下卡尔曼滤波器，如果时间和能力允许，我还希望能够写写其他的算法，例如遗传算法，傅立叶变换，数字滤波，神经网络，图像处理等等

针对使用扩展卡尔曼算法( extended Kalman filter,EKF)对复杂非线性状态估计时收敛速度慢、估计精 度低的问题,提出一种平方根容积滤波算法( square root cubature Kalman filter,SRCKF)。SRCKF使用基于容积原 则的数值积分方法直接计算非线性随机函数的均值和方差。该算法实现时只需计算函数值,避免了求导运算,降低了计算复杂度。且该算法传播了状态协方差的平方根,确保了协方差矩阵的对称性和半正定性,改进了数值精度和 稳定性。把平方根容积卡尔曼滤波算法

旨在通过简单的匀速直线运动场景，理解Kalman滤波过程，运行结果可参考本博主的《卡尔曼滤波（Kalman Filter）》

卡尔曼滤波的完整实现，可以直接运行，适用于c++和c语言和matlab

介绍卡尔曼各种滤波算法，pdf文件，电子书，作者不详

针对“当前”统计模型中预先设置机动频率和加速度极限值造成对目标跟踪精度不高的问题, 提出一种新的参数自适应算法? 该算法利用目标前后2个时刻的加速度均值代替“当前”统计模型中只利用前一时刻的加速度值作为当前时刻的加速度均值,推导出了机动频率自适应,再利用加速度方差与加速度变化量之间 存在的正比线性关系,推导出了加速度方差自适应,避免了由于参数设置不合理而造成的跟踪误差?理论分析和仿真结果表明,改进算法有效提高了目标跟踪精度,仿真结果验证了改进算法的有效性?

基于研究卡尔曼滤波算法在锂电池荷电状态估计和监测中应用效果的目的，本文通过建立Thevenin电池模型，结合锂电池恒定电流充放电实验数据，有效模拟出电池实际工作特性，并分别采用传统卡尔曼滤波（KF）和扩展卡尔曼滤波（EKF）算法对锂电池荷电状态（SOC）进行估测。得出如下结论：采用基于Thevenin电池模型的KF与EKF算法均可以快速精准地估测锂电池荷电状态。EKF对于初值的敏感度相较KF明显低，当初值为80%时参数适应性较好。此外，在利用卡尔曼滤波算法对电池端电压估测时发现其收敛值总会与真实值产生一个约为0.05 V的恒定偏差值。

卡尔曼滤波，用matlab .m函数和simulink进行了验证，给定220V，50Hz正弦交流电，加上白噪声之后用Kalmanfilter进行滤波

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

卡尔曼滤波算法C语言实现