锂电池荷电状态(SOC)是反映电池使用情况的重要参数之一.在锂电池实际工作过程中,电流传感器测量时的漂移电流会对SOC估计精度造成很大影响.对此,提出一种加入漂移电流的Drift-Ah积分法,建立SOC的噪声组合模型,并采用容积卡尔曼滤波算法(CKF)实现锂电池的SOC估计.最后,对锂电池进行模拟工况实验,仿真结果表明,所提出的估计算法可以有效抑制漂移电流的干扰,精度高且复杂度低.

非常好的文章，描述得理论比较清楚，希望有用。

四元数平方根容积卡尔曼滤波的姿态估计

采用容积卡尔曼滤波进行多维状态滤波的例子，经过测试可用

本代码为容积卡尔曼算法的简单程序，仅用于个人研究卡尔曼滤波，不可用于其他用途。转发注明出处。

这是容积卡尔曼滤波的小例子仿真，简单易懂易上手，感兴趣的可以下载进行学习研究~

针对非线性非高斯离散动态系统中的状态估计问题, 基于高斯和递推关系, 提出一种高斯和状态估计算法GSSRCKF. 首先将状态噪声、观测噪声及滤波初值均表示为高斯和的形式, 以平方根容积卡尔曼滤波为子滤波器分别估计各高斯子项对应的系统状态; 然后结合各子项对应的权值实现全局估计; 最后设计高斯子项对应权值的自适应策略, 并采用约简控制法降低计算复杂度. 仿真结果验证了所提出的算法在滤波稳定性方面的优越性.

SCKF简单测试代码。仅用于学习，禁止用于其他用途，转发注明出处作者。

备注： 容积卡尔曼滤波算法CKF 仿真场景为三维雷达目标跟踪 并与无迹卡尔曼滤波算法比较了性能 MATLAB仿真仿真实现; 蒙特卡洛仿真实验， 输出：三维跟踪轨迹，各纬度跟踪轨迹，估计均方误差RMSE，位置RMSE,速度RMSE. 对应的仿真模型及参数设置见扩展卡尔曼滤波 对应的理论分析和参数设置，见博文《扩展卡尔曼滤波EKF在目标跟踪中的应用—仿真部分》https://blog.csdn.net/weixin_44044161/article/details/115329181?spm=1001.2014.3001.5501

本人手写的简单的平方根容积卡尔曼滤波程序，包含注释，对刚接触滤波算法的新手有一定帮助，可以适当参考。