现代信号处理的实验。ARMA谱估计：基本要求：将系统视为灰箱（可以利用方程的结构信息，p=3, q=2），根据系统的输入输出关系确定当e(n)为N(0,1)白噪声时输出功率谱密度的有理分式表达式。

锂电池荷电状态(SOC)是反映电池使用情况的重要参数之一.在锂电池实际工作过程中,电流传感器测量时的漂移电流会对SOC估计精度造成很大影响.对此,提出一种加入漂移电流的Drift-Ah积分法,建立SOC的噪声组合模型,并采用容积卡尔曼滤波算法(CKF)实现锂电池的SOC估计.最后,对锂电池进行模拟工况实验,仿真结果表明,所提出的估计算法可以有效抑制漂移电流的干扰,精度高且复杂度低.

自己根据卡尔曼滤波原理实现的一个原始卡尔曼滤波的java代码。

SRUKF.m卡尔曼滤波程序，提供程序，仅供参考

以自由落体简单事例为例，利用卡尔曼滤波实现了对观测资料的同化。以自由落体简单事例为例，利用卡尔曼滤波实现了对观测资料的同化。以自由落体简单事例为例，利用卡尔曼滤波实现了对观测资料的同化。

卡尔曼滤波原理及应用 MATLAB仿真的书及附带程序

扩展卡尔曼滤波(EKF)仿真演示

卡尔曼滤波matlab实现.zip

基于STM32F105VC芯片,设计了一款锂电池电池管理系统。该设计包括电池管理系统的硬件电路、软件程序以及SOC算法。硬件内容包括电源转换电路、拓展CAN模块、RS232模块。使用KEIL MDK软件开发电池管理系统的主控程序。SOC算法采用拓展卡尔曼滤波方法。最终的样品验证测试表明,文中设计的电池管理系统主控单元能够准确计算SOC,及时准确与整车控制器(VCU)通信。文中设计的输入电压为19~32 V,电源抗干扰能力强,可直接连接电动车电源进行供电,作为电动汽车的电池管理系统。

EKF_SOC_Estimation函数使用二阶RC等效电路模型估算电池的端电压（Vt）和充电状态（SOC）。 该功能可以使用扩展卡尔曼滤波器（EKF）或自适应扩展卡尔曼滤波器（AEKF）。 用户还可以选择估算-20C至40C的SOC。 其中包括一个样品LA92行驶周期，电池参数（包括内部电阻）和Turnigy电池的SOC-OCV曲线。 要运行该示例，只需下载所有文件并运行main.mlx。