电子-无迹卡尔曼滤波UKF的应用比较分析.pdf,综合电子技术四轴飞行器|飞控

 采用霍夫变换法对雷达目标进行起始，解决了机动目标的非线性强的问题，得到精确的航迹起始初值信息，并将初值信息作为无迹卡尔曼滤波目标跟踪的初始输入，实现对机动目标的跟踪。较其它的算法，霍夫-无迹卡尔曼滤波具有更高的精度。实验仿真，证明了其有效性。

这是不敏卡尔曼的示例代码，可运行； 不敏卡尔曼滤波器通过sigma采样点对非线性进行近似，效果优于扩展卡尔曼滤波器，是目前常用滤波器之一

【PS：刚才上传的排版出错了，这个是好的】 翻译来自以下链接PDF 【无迹卡尔曼滤波器 https://www.cse.sc.edu/~terejanu/files/tutorialUKF.pdf】； 附件包括 【1.PDF原文；2.翻译内容】

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。

扩展EKF和ukf无迹卡尔曼滤波代码压缩包 有一个共同的简单例子 进行对比 两个卡尔曼滤波分别写成两个函数 需要的欢迎下载

主要封装了UKF(无迹卡尔曼滤波)的跟踪demo，并配有直观的图形展示，简单易用。 UKF，是KF、EKF的变种与扩展，对于非线性跟踪效果要明显好于KF。

利用一个追踪模型实现了UKF、CDKF、SRUKF比较。内含MATLAB代码，及文档

稳定性和安全性作为汽车设计和规划的两大要素，与车辆的状态参数估算密切相关，其中最直接的就是关于如何精确估算行驶过程中的路面附着系数。在Kalman滤波算法基础之上，本文针对汽车的强非线性特性运用无迹卡尔曼（UKF）滤波算法在Matlab中搭建状态观测器、三自由度车辆模型、Duglff轮胎归一化模型对路面附着系数进行估计，将整体模型与Carsim进行整体测试和对比。结果证明，通过运用UKF算法建立的状态观测器能满足对附着系数估计值的准确性要求。

基于高阶正交幅度调制(QAM)和大线宽相干光正交频分复用(CO-OFDM)系统, 提出了一种在时域进行无迹卡尔曼滤波(UKF)的相位噪声补偿算法。该算法在接收端基于训练符号频域卡尔曼滤波实现信道均衡, 用较小的频域导频数据开销进行频域扩展卡尔曼滤波, 先补偿公共相位误差(CPE)噪声, 然后将CPE噪声补偿之后的数据在时域进行载波间干扰(ICI)相位噪声粗补偿。对相位噪声粗补偿后的频域数据进行预判决, 结合接收端原始时域数据, 在时域对判决后的数据进行UKF以实现ICI相位噪声的精细补偿。对精细补偿之后的频域数据再进行相位噪声粗补偿并进行迭代运算, 极大地提高了相位噪声的补偿效果。对50 Gbit·s-1的CO-OFDM系统进行了传输距离为100 km的仿真, 与其他算法相比, 所提算法的频谱利用率极高, 且具有较好的补偿效果。对激光器线宽为700 kHz且调制方式为32QAM的传输信号进行二次迭代后, 所提相位噪声补偿算法的误码率性能仍可达到前向纠错上限。所提算法促进了大线宽CO-OFDM系统在长距离接入网和城域网中的应用。