从高斯-牛顿迭代的角度对迭代扩展卡尔曼滤波(IEKF)进行分析,提出了一种基于组合牛顿迭代法的改进IEKF算法。该算法通过实时判断每次迭代对状态的逼近程度,采用加权平均的方法确定新的迭代值,继而采用卡尔曼滤波框架对状态进行量测更新。新算法较传统的IEKF具有精度高以及对初值不敏感的优点。实例仿真验证了该算法的有效性。

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

Matlab集成的c代码弹簧减震器IEKF 这是信息扩展卡尔曼滤波器的一个非常通用的MATLAB实现示例。 考虑滤波器参数的最大似然估计。 真实世界的数据是通过算法生成的。 为此，将“实际系统”状态与IEKF并行集成。 从该“实际”状态，获得“实际”测量（无噪声）。 这些反过来又被噪声污染。 与IEKF并行运行允许将滤波器输出用作系统控制的反馈。 该代码足够通用，可以应用于一般的非线性过程和传感器方程 全球 广泛使用全局变量是为了使代码尽可能简单。 应该定义函数句柄u_actual_func = @(t) (...)以便它使用mu_x全局变量来生成输出。 示例（质量弹簧阻尼器） 标准质量弹簧减震器： m ddx + c dx + k（x-rho0）= f_ext 传感器是加速度计： z = ddx（x，dx）

完整代码，可直接运行

matlab的slam代码ICIEA2018_IEKF_LeastSquare_Comparison 这是我论文中模拟的Matlab代码：基于EKF的SLAM和基于优化的SLAM算法的比较（ICIEA2018）代码还在清理中，即将推出。

SLAM的MATLAB仿真器，仿真算法基于卡尔曼滤波器和迭代卡尔曼滤波器，亲测可用

1iekf 一维的迭代扩展卡尔曼滤波算法 比较简单的算法

EKF--IEKF--and-UKF个人在用的比较好的滤波代码