针对利用平方根无极卡尔曼算法估算电池SOC时,因噪声协方差为常量带来的误差,在平方根无极卡尔曼滤波(SR-UKF)算法的基础,改进了算法,把每次测量的输出值残差的协方差作为噪声的协方差,得到自适应平方根无极卡尔曼滤波算法,使得噪声协方差随时间的更新而更新,解决了噪声协方差为常量带来的误差。实验表明,利用自适应平方根无极卡尔曼滤波算法对在常温下电池放电过程的SOC估计,精确度在总体上得到了提高,在电池工作区间0.2≤YSOC≤0.9内估计误差在1.5%以内。自适应平方根无极卡尔曼滤波算法对电池常温放电过程的SOC估计能满足电动汽车电池SOC估计的实际要求。

包含平方根容积卡尔曼滤波（CKF），无迹卡尔曼滤波（UKF），扩展卡尔曼滤波（EKF）的matlab仿真程序。

本代码实现是对UKF（无迹卡尔曼滤波）的MATLAB实现

本文总结了线性/非线性和离散/连续卡尔曼滤波的公式，可根据所研究系统方程的形式进行相应的选择。同时，附上了将UKF应用于目标跟踪中的一个Matlab仿真程序，供更好地理解UKF。

变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法

C++代码实现对飞机位置的滤波，状态空间有px,py,vx,vy。具体的参考我的博客：https://blog.csdn.net/O_MMMM_O/article/details/106078679

为了避免基本滤波算法的缺点，把各种滤波算法进行结合以提高滤波的效果

不敏卡尔曼滤波器与卡尔曼滤波器对比

不敏卡尔曼动态跟踪输出

不敏卡尔曼与传统卡尔曼滤波器跟踪动态对比