基于Carsim与Simulink联合仿真的分布式驱动车辆状态估计模型研究：轮胎力观测与UKF SRCKF算法的鲁棒性提升,基于Carsim和Simulink联合仿真的分布式驱动车辆状态精确估计模型：UKF SRCKF算法与ASMO轮胎力观测器的融合应用,【 分布式驱动车辆状态估计模型】基于Carsim和simulink联合仿真，首先建立分布式驱动车辆轮毂电机模型，并使用pid对目标速度进行跟踪，随后在使用级联滑模观测器(ASMO)和车轮运动模型对轮胎力进行观测的基础上，使用UKF SRCKF算法对侧向车速，纵向车速，横摆角速度，质心侧偏角进行估计。 不同于基于七自由度模型的状态估计的是使用轮胎力观测器代替建立轮胎模型，防止迭代形式的误差累积（轮胎模型需要估计量作为输入，估计不准轮胎模型的输出相应误差就大）；此外为了解决Cholesky分解只能处理正定矩阵的问题，使用Utchol分解法在不影响估计效果的同时提升算法的鲁棒性。 ,核心关键词：分布式驱动车辆；状态估计模型；Carsim和simulink联合仿真；轮毂电机模型；PID控制；级联滑模观测器(ASMO)；UKF SRCKF算法

该程序介绍了一种用于多传感器的平方根容积卡尔曼滤波（SRCKF）算法。结合一个实例和matlab程序对算法的具体实现过程进行了讲解。从仿真图中可以看出，滤波误差不断减小，说明滤波收敛。并且单个滤波的误差小于观测数据误差，证明滤波算法有效。同时融合后的滤波误差小于单个滤波器的误差，证明融合算法有效。仿真结果表明，所提融合滤波算法能够实现有效滤波跟踪。

实现了平方根容积卡尔曼滤波，十分好用，效果很好

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.

各种卡尔曼滤波算法 mpu9250 srckf 不错的文档，

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。