EKF仅仅利用了非线性函数Taylor展开式的一阶偏导部分

资 源 简 介

EKF仅仅利用了非线性函数Taylor展开式的一阶偏导部分（忽略高阶项），常常导致在状态的后验分布的估计上产生较大的误差，影响滤波算法的性能，从而影响整个跟踪系统的性能。最近，在自适应滤波领域又出现了新的算法——无味变换Kalman滤波器（Unscented Kalman Filter-UKF）。UKF的思想不同于EKF滤波，它通过设计少量的σ点，由σ点经由非线性函数的传播，计算出随机向量一、二阶统计特性的传播。因此它比EKF滤波能更好地迫近状态方程的非线性特性，从而比EKF滤波具有更高的估计精度。

详 情 说 明

在状态后验分布的估计中，EKF仅利用了非线性函数Taylor展开式的一阶偏导部分，忽略高阶项。这种方法常常会导致较大的误差，影响滤波算法的性能，从而影响整个跟踪系统的性能。为了解决这个问题，最近出现了一种新的自适应滤波算法——无味变换Kalman滤波器（Unscented Kalman Filter-UKF）。与EKF滤波不同，UKF通过设计少量的σ点，由σ点经由非线性函数的传播，计算出随机向量的一、二阶统计特性的传播。因此，UKF比EKF滤波更好地迫近状态方程的非线性特性，从而具有更高的估计精度。UKF是一种重要的滤波算法，特别是在需要更准确的状态估计时。