无迹卡尔曼滤波（UKF）是重要的非线性滤波方法。无迹卡尔曼滤波方法是通过一组代表着均值和方差分布的采样点来对非线性系统进行非线性计算，在不对非线性方程线性近似的条件下，达到线性卡尔曼滤波器的滤波性能。文中在机动目标选定运动模型和滤波算法的基础上，对机动目标的运动作了仿真实验。从仿真分析中可以看出，无迹卡尔曼滤波在跟踪方面有很高的精度，与传统的扩展卡尔曼滤波算法相比较，无迹卡尔曼滤波算法有较小的跟踪误差。

用无迹卡尔曼滤波算法对电机转速进行控制，相较传统PI控制超调量小

扩展卡尔曼滤波_无迹卡尔曼滤波_扩展信息滤波_l粒子滤波算法.rar

针对被动传感器观测的非线性问题,将无迹变换引入卡尔曼滤波算法中.进一步,针对其弱可观测性,采用多个被动传感器集中式融合跟踪策略,提出了基于无迹卡尔曼滤波的被动多传感器融合跟踪算法.以3个被动站跟踪为例进行仿真研究,结果表明所提出的算法可达到比经典的扩展卡尔曼滤波算法更高阶的跟踪精度.

针对非线性系统状态估计滤波，有很好的植入性，希望可以帮助到你。

Simulink 模型，基于扩展卡尔曼滤波EKF和无迹卡尔曼滤波UKF 估计算法的SOC仿真，毕设。 另外有BBDST工况模块，也有R2016b及R2020两个版本的Simulink。 谨供BMS爱好者学习使用，请勿商用。

UKF无迹卡尔曼滤波算法用于状态参数估计，测试可用

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：无迹卡尔曼滤波估算SOC模型及代码_卡尔曼滤波算法_SOC估算模型_锂电池SOC估算模型_matlab仿真 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

压缩包里包括一个matlab主代码和电流电压数据，SOC-OCV拟合数据，二阶锂电池的R0、R1、R2、C1、C2参数数据，将数据导入工作空间即可完美运行代码，使用无迹卡尔曼滤波估计SOC，最后的估计结果与安时积分法进行对比，给出两张对比图。。代码里有清晰的备注，方便二次修改。代入你自己的电流电压数据即可，此代码是经过测试后百分比成功运行的，适合新手及有一定基础的开发人员。。

卡尔曼滤波器可以被解释为一种最小化最小均方误差的反馈方法。 它可用于解决非线性最小二乘优化问题。 该函数提供了一种使用无迹卡尔曼滤波器解决非线性最小二乘优化问题的方法。 包括三个示例：一般优化问题、求解由神经网络模型表示的一组非线性方程的问题和神经网络训练问题。 该函数需要无迹卡尔曼滤波函数，可从以下链接下载： http://www.mathworks.com/matlabcentral/fileexchange/loadFile.do?objectId=18217&objectType=FILE