扩展卡尔曼滤波姿态解算

本文以匀速直线运动为例，通过扩展卡尔曼滤波算法进行轨迹预测，并进行误差分析。同时，提供matlab仿真程序及源代码。读者可以参考此文实现自己的轨迹预测功能。

基于扩展卡尔曼滤波的路面附着系数估算该项目利用Simulink平台，采用扩展卡尔曼滤波 (EKF) 算法估算路面附着系数。模型核心基于Matlab内置的魔术公式轮胎模型和七自由度车辆模型，并独立于C

基于扩展卡尔曼粒子滤波算法的神经网络训练

改进的扩展卡尔曼滤波算法研究，来源于一位老师对卡尔曼滤波的介绍，以及对此的改进算法的介绍。

传统单一线性或非线性滤波方法往往难以获得最优线性/非线性混合动态系统状态估计,针对这一问题,结合卡尔曼滤波(KF)方法可获得线性状态估计最优解、计算量小等优势,提出了一种基于KF和扩展容积卡尔曼滤波(

九轴姿态解算，四元数互补滤波法，磁力计数据单独，测试四轴可以起飞

卡尔曼滤波 扩展 UKf 看看还是不错的

改进的EKF的Matlab程序，已测可用，需要的朋友自行下载

扩展卡尔曼滤波器 使用Gazabo,Rviz和ROS 设置环境: 对于此项目,使用了以下设置: Ubuntu 16.04 LTS操作系统 罗斯动力学 凉亭7.0.0 Rviz 1.12.17 安装步骤

2019年4月新出论文，使用平方根容积卡尔曼滤波的四旋翼姿态解算，与EKF，SR-EKF,UKF-SRUKF相比，精度和稳定性高很多，有介绍算法步骤，而且非常清晰，很有价值。