卡尔曼滤波入门程序MATLAB，实现二维滤波处理。该代码能够帮助熟悉卡尔曼滤波的5个主要方程，帮助理清卡尔曼滤波代码实现思路。

卡尔曼滤波算法C语言实现

卡尔曼滤波算法的锂电池SOC估算模型

AEKF_SOC_Estimation函数使用二阶RC等效电路模型（ECM）和自适应扩展卡尔曼滤波器（AEKF）估计电池的端电压（Vt）和荷电状态（SOC）。

基于一阶RC模型，电池带遗忘因子递推最小二乘法+扩展卡尔曼滤波算法（FFRLS+ EKF），参数与SOC的在线联合估计，matlab程序

6轴加速度传感器LMS6DS3TR_C驱动程序，里面包含两种算法，计算姿态角，利用四轴上位机工具协议可发送数据显示状态。

自适应鲁棒性卡尔曼滤波算法在卫星姿态估计中的应用

基于STM32的计步器的步数的程序设计，使用KEIL开发。利用卡尔曼滤波算法，实现精准测步

针对有界范围内的运动目标进行超视距跟踪时出现的量测不可靠问题，提出一种卡尔曼滤波初值选取方案，对采用三点法求得超出界限的目标初始运动状态进行修正，再将其作为新的滤波初值，这一方法称为投影修正法。对比传统初值确定方法，并结合3种传统非线性卡尔曼滤波算法，分别在目标与观测台的初始距离为600和1000时进行仿真验证。仿真结果显示，与传统方法相比，应用该初值确定方法能在探测距离相对误差为1%，探测角度误差为0.01rad时，明显提高滤波初期收敛速度且滤波精度不下降。此外，研究还发现，在利用投影修正法进行跟踪滤波时，同等条件下选用零值修正，收敛效果更好。

煤矿工作环境复杂,对采煤机的精确定位难度较大。传统的惯导定位器定位时误差较大,且随着时间积累无法消除,影响定位精度。利用卡尔曼滤波算法对惯导定位器获得的数据进行处理,通过不断修正系统设定状态参数与实际状态参数之间的误差,实现对采煤机的精确定位。分析扩展卡尔曼算法的特点和优势,并将其应用到惯导定位器中,对采煤机进行仿真实验,对比滤波前后的系统定位精度,滤波后误差消除效果明显,值得进一步研究。