EKF估计SOC

EKF估计SOC的matlab程序，EKF全称ExtendedKalmanFilter，即扩展卡尔曼滤波器，一种高效率的递归滤波器(自回归滤波器)。

function [x_nextP_nextx_dgrP_dgr] = ekf（fQhyRdel_fdel_hx_hatP_hat）;
% Extended Kalman filter
%
% -------------------------------------------------------------------------
%
% State space model is
% X_k+1 = f_k（X_k） + V_k+1   -->  state update
% Y_k = h_k（X_k） + W_k       -->  measurement
% 
% V_k+1 zero mean uncorrelated gaussian cov（V_k） = Q_k
% W_k zero mean uncorrelated gaussian cov（W_k） = R_k
% V_k & W_j are uncorrelated for every kj
%
% -------------------------------------------------------------------------
%
% Inputs:
% f = f_k
% Q = Q_k+1
% h = h_k
% y = y_k
% R = R_k
% del_f = gradient of f_k
% del_h = gradient of h_k
% x_hat = current state prediction
% P_hat = current error covariance （predicted）
%
% -------------------------------------------------------------------------
%
% Outputs:
% x_next = next state prediction
% P_next = next error covariance （predicted）
% x_dgr = current state estimate
% P_dgr = current estimated error covariance
%
% -------------------------------------------------------------------------
%

if isa（f‘function_handle‘） & isa（h‘function_handle‘） & isa（del_f‘function_handle‘） & isa（del_h‘function_handle‘）
    y_hat = h（x_hat）;
    y_tilde = y - y_hat;
    t = del_h（x_hat）;
    tmp = P_hat*t;
    M = inv（t‘*tmp+R+eps）;
    K = tmp*M;
    p = del_f（x_hat）;
    x_dgr = x_hat + K* y_tilde;
    x_next = f（x_dgr）;
    P_dgr = P_hat - tmp*K‘;
    P_next = p* P_dgr* p‘ + Q;
else
    error（‘f h del_f and del_h should be function handles‘）
    return
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1526  2009-07-25 12:31  ekf.m
     文件        1310  2014-02-12 12:55  license.txt