卡尔曼滤波，扩展卡尔曼滤波（EKF），无迹卡尔曼滤波（UKF）

资 源 简 介

卡尔曼滤波，扩展卡尔曼滤波（EKF），无迹卡尔曼滤波（UKF）

详 情 说 明

卡尔曼滤波（Kalman Filter）是一种广泛应用于动态系统状态估计的最优递归算法。它通过结合系统模型和带有噪声的观测数据，实现对系统状态的高精度估计。该算法特别适用于线性高斯系统，能够有效处理含有不确定性的动态系统问题。

扩展卡尔曼滤波（Extended Kalman Filter, EKF）是卡尔曼滤波在非线性系统中的推广形式。EKF通过对非线性函数进行局部线性化（通常使用一阶泰勒展开）来近似处理非线性问题。虽然这种方法在多数情况下表现良好，但由于线性化带来的误差，它在强非线性系统中可能效果不佳。

无迹卡尔曼滤波（Unscented Kalman Filter, UKF）是另一种处理非线性系统的方法。与EKF不同，UKF通过无迹变换（Unscented Transform）来更准确地捕捉非线性函数的统计特性。这种方法避免了线性化带来的误差，通常能在非线性系统中提供比EKF更准确的估计结果。