文章目录自适应UKF逐行注释的说明运行结果完整代码各模块解释自适应UKF自适应无迹卡尔曼滤波（AdaptiveUnscentedKalmanFilter，AUKF）是一种用于状态估计的滤波算法。它是基于无迹卡尔曼滤波（UnscentedKalmanFilter，UKF）的改进算法。自适应无迹卡尔曼滤波在无迹

目录一、卡尔曼滤波的基本概念二、卡尔曼滤波的数学原理三、卡尔曼滤波的作用四、卡尔曼滤波的应用五、扩展：扩展卡尔曼滤波和无迹卡尔曼滤波六、总结卡尔曼滤波（KalmanFilter）是一种用于动态系统状态估计的数学算法，尤其适用于存在噪声和不确定性的环境。其广泛应用于

路面附着系数估计_无迹扩展卡尔曼滤波（UKFEKF）软件使用：MatlabSimulink适用场景：采用无迹扩展卡尔曼滤波UKF进行路面附着系数估计，可实现“不变路面，对接路面和对开路面”等工况的路面附着系数估计。产品simulink源码包含如下模块：→整车模块：7自由度整车模型→估计模块：无迹卡尔曼

当数据通过非线性函数后，分布不再是高斯分布时，可以用无迹变换估计新数据的均值与方差。算法原理就是在原始数据均值周围根据方差选取一些待使用点，然后将这些点通过非线性函数，再通过加权平均的方式求出新分布的均值与方差。如果我们选取的点非常多，并且将这些点都通过非线性函数，再

电源滤波器车辆状态估计，扩展卡尔曼滤波EKF，无迹卡尔曼滤波UKF角阶跃输入+整车7自由度模型+UKF状态估计模型+附送EKF状态估计模型，针对于轮毂电机分布式驱动车辆，进行车速，质心侧偏角，横摆角速度估计。模型输入：方向盘转角delta，车辆纵向加速度ax模型输出：横摆角速度wz，纵向车速vx，质心侧偏角

电源滤波器车辆状态估计，扩展卡尔曼滤波EKF，无迹卡尔曼滤波UKF车辆状态估计，扩展卡尔曼滤波EKF，无迹卡尔曼滤波UKF角阶跃输入+整车7自由度模型+UKF状态估计模型+附送EKF状态估计模型，针对于轮毂电机分布式驱动车辆，进行车速，质心侧偏角，横摆角速度估计。模型输入：方向盘转角delta，车辆纵向加

示波器路面附着系数估计_无迹?扩展卡尔曼滤波（UKF/EKF）软件使用：Matlab/Simulink适用场景：采用无迹/扩展卡尔曼滤波UKF进行路面附着系数估计，可实现“不变路面，对接路面和对开路面”等工况的路面附着系数估计。产品simulink源码包含如下模块：→整车模块：7自由度整车模型→估计模块：无迹卡尔

电源滤波器车辆状态估计，扩展卡尔曼滤波EKF，无迹卡尔曼滤波UKF角阶跃输入+整车7自由度模型+UKF状态估计模型+附送EKF状态估计模型，针对于轮毂电机分布式驱动车辆，进行车速，质心侧偏角，横摆角速度估计。模型输入：方向盘转角delta，车辆纵向加速度ax模型输出：横摆角速度wz，纵向车速vx，质心侧偏角

车辆状态估计，扩展卡尔曼滤波EKF，无迹卡尔曼滤波UKF车辆状态估计，扩展卡尔曼滤波EKF，无迹卡尔曼滤波UKF角阶跃输入+整车7自由度模型+UKF状态估计模型+附送EKF状态估计模型，针对于轮毂电机分布式驱动车辆，进行车速，质心侧偏角，横摆角速度估计。模型输入：方向盘转角delta，车辆纵向加速度ax模型

基于二阶RC模型锂电池扩展卡尔曼+无迹卡尔曼滤波算法联合估计EKF-UKF，其中EKF在线辩识所有模型参数欧姆内阻，极化电阻电容，UKF估计soc，循环递推matlab脚本程序sci参考文献ID:26349673074081614

路面附着系数估计_无迹扩展卡尔曼滤波（UKF/EKF）软件使用：Matlab/Simulink适用场景：采用无迹/扩展卡尔曼滤波UKF进行路面附着系数估计，可实现“不变路面，对接路面和对开路面”等工况的路面附着系数估计。产品simulink源码包含如下模块：→整车模块：7自由度整车模型→估计模块：无迹卡尔曼滤波，

行驶车辆状态估计，无迹卡尔曼滤波，扩展卡尔曼滤波（EKF/UKF）软件使用：Matlab/Simulink适用场景：采用扩展卡尔曼滤波和无迹卡尔曼滤波EKF/UKF进行行驶车辆的“车速，质心侧偏角，横摆角速度估计”，可实现多种工况下车辆状态估计。产品simulink源码包含如下模块：→工况:阶跃工况→整车模块：7自由