论文摘要：普通卡尔曼滤波(KF)可以在线性系统中对目标状态做出最优估计，得到好的滤波效 果。然而实际系统总是非线性的，针对非线性系统，常用的解决办法是对非线性系统进行近似 线性化处理，从而将非线性问题转变成线性问题。文中分析了扩展卡尔曼(EKF)、无迹卡尔曼 (UKF)和容积卡尔曼(CKF)的基本原理和各自的特点，然后将EKF、UKF和CKF进行滤波对 比和分析，最后通过仿真试验证明：与EKF相比，UKF、CKF不仅保证了系统的稳定性，同时提 高了估计精度。但CKF的估计均方误差值相比UKF更小，表现出了更高的精度。

uKF（容积卡尔曼滤波）是一种新型的采样型卡尔曼滤波算法，该程序是该算法的matlab完整程序，已经编译过，没有任何问题。

无迹卡尔曼滤波和神经网络相结合，对负荷进行预测。效果较好

电子-无迹卡尔曼滤波UKF的应用比较分析.pdf,综合电子技术四轴飞行器|飞控

EKF,UKF,PF三种滤波算法的比较，包括状态估计和误差比较。(该程序有一个小问题，关于粒子滤波的没有显示，需要自己加上)，完整的代码请看另一篇

包括无迹卡尔曼滤波MATLAB程序，扩展卡尔曼EKF程序，MAUKF程序

unscented kalman filtering程序：包含函数和一个demon。程序包括五个步骤：参数计算、sigma点集计算、时间更新、观测更新、滤波更新。每一步都有详细的注释。以供学习参考。

在模型未知的情况下, 估计过程的重要变量尤为重要. 鉴于此, 采用不敏卡尔曼滤波(UKF) 与神经网络相结合的方法, 解决一类未知模型非线性系统的状态估计问题. 采用动态神经网络对非线性系统进行建模, 利用UKF 对状态和权值进行同时更新, 从而达到神经网络逼近真实模型, 估计值跟随真实值的目的. 通过两个仿真实例表明了所提出的方法具有良好的估计效果, 并且状态在输出中的比重越大, 其估计精度越高.

程序功能：无迹卡尔曼滤波UKF定位算法与最小二乘LS定位算法比较分析MATLAB源码.m 程序功能：UKF与LS算法比较分析MATLAB源码 基于3个基站观测距离的目标跟踪LS状态估计 基于3个基站观测距离的目标跟踪UKF状态估计

介绍UKF的基础知识 pdf格式 介绍非线性状态估计原理 无味变换 无味卡尔曼滤波