目录
前言
几个高频面试题目
卡尔曼滤波和扩展卡尔曼滤波的区别？
算法原理
卡尔曼滤波
数据融合
数学模型
KF计算公式
KF使用说明
尔曼滤波案例——多目标跟踪
卡尔曼滤波器——预测阶段
卡尔曼滤波器——更新阶段
扩展卡尔曼滤波 EKF
EKF计算公式
EKF迭代过程
EKF使用说明
线性卡尔曼滤波器算法
非线性KF
自适应KF
扩展卡尔曼滤波EKF进行SOC估计
1 EKF原理
2 空间方程构建
3 EKF算法实现
基于迭代扩展卡尔曼滤波算法的倒立摆控制
UKF（无迹卡尔曼滤波）
EKF（扩展卡尔曼滤波）
iEKF（迭代扩展卡尔曼滤波）
iUKF（迭代无迹卡尔曼滤波）
扩展卡尔曼滤波的应用场景
代码实现
C语言
MATLAB
python
代码2
前言
卡尔曼滤波思想由 kalman于 1960 年提出，该方法：
假设状态噪声与观测噪声符合高斯分布；
通过观测数据 对 状态量 进行最优估计。
其实质是计算最大后验概率问题，只能应用于线性系统。
