【MATLAB例程】一维EKF（扩展卡尔曼滤波）、UKF（无迹卡尔曼滤波）、CKF（容积卡尔曼滤波）、PF（粒子滤波）四种滤波方法对比

本例程面向非线性状态估计与滤波算法学习需求，完整实现了一维EKF（扩展卡尔曼滤波）、UKF（无迹卡尔曼滤波）、CKF（容积卡尔曼滤波）和PF（粒子滤波）四种经典方法，并在统一的非线性状态模型、平方观测模型及噪声条件下进行直观对比。代码结构清晰、注释完整，可直接运行并自动生成状态估计曲线、误差曲线和误差统计柱状图，同时输出RMSE、平均绝对误差、最大绝对误差和标准差等评价指标。通过一个例程即可系统了解四类典型非线性滤波方法在建模思路、计算方式和估计性能上的差异，适合作为卡尔曼滤波入门、非线性滤波算法对比、课程实验、科研仿真以及算法二次开发的基础参考程序。
附完整代码的下载链接，原创代码，请勿翻卖

运行结果

输出结果	主要内容
状态估计曲线	对比真实状态、未滤波状态以及 EKF、UKF、CKF、PF 的估计结果
状态误差曲线	展示各方法估计误差随时间的变化情况
RMSE 柱状图	对比不同方法的总体均方根误差
命令行统计结果	输出 RMSE、MAE、最大绝对误差和误差标准差

详细如下：

MATLAB源代码

部分代码如下：

matlab 复制代码

% 一维 EKF、UKF、CKF、PF 四种滤波方法对比
% 直接运行本文件即可生成中文状态曲线、中文误差曲线、中文误差统计柱状图和中文命令行输出。
% 作者：matlabfilter，可联系我获取代码讲解和定制
% 2026-07-08/Ver1

clear; clc; close all;
rng(0);

%% 参数设置
scene_name = '一维非线性状态估计';
main_file = 'EKFUKFCKFPF_1D.m';
script_dir = fileparts(mfilename('fullpath'));
if isempty(script_dir)
    script_dir = pwd;
end

step_count = 300;           % 仿真步数
t = 1:step_count;           % 时间序列
Q = 0.40^2;                 % 过程噪声方差
R = 1.00^2;                 % 测量噪声方差
particle_count = 400;       % 粒子滤波粒子数量

x0 = 0;                     % 初始真实状态
x0_est = 0.8;               % 初始估计状态
P0 = 2;                     % 初始估计方差

%% 生成真实状态、未滤波状态和测量值
x_true = zeros(1, step_count);
x_raw = zeros(1, step_count);
z = zeros(1, step_count);

x_true(1) = x0;
x_raw(1) = x0;
z(1) = measurementFunction(x_true(1)) + sqrt(R) * randn;

for k = 2:step_count

完整代码：
https://download.csdn.net/download/callmeup/93089666

如需帮助，或有导航、定位滤波相关的代码定制需求，可从个人主页左侧联系我