卡尔曼滤波器分类及基本公式创新.pptVIP

EKF基本方程 3 非线性系统的卡尔曼滤波方程 3.1 扩展卡尔曼滤波器 系统模型 测量模型 初始条件 其他规定 状态估计方程 误差协方差 增益矩阵 EKF的不足 当非线性函数的Taylor展开式的高阶项无法忽略时， 线性化会使系统产生较大的误差，甚至于滤波器难以稳定； 在许多实际问题中很难得到非线性函数的雅克比矩阵求导； EKF需要求导，所以必须清楚了解非线性函数的具体形式，无法作到黑盒封装，从而难以模块化应用。 3 非线性系统的卡尔曼滤波方程 3.1 扩展卡尔曼滤波器 （EKF) 3 非线性系统的卡尔曼滤波方程 3.2 无迹卡尔曼滤波器（UKF） 由于近似非线性函数的概率密度分布比近似非线性函数更容易，使用采样方法近似非线性分布来解决非线性问题的途径在最近得到了人们的广泛关注。 UKF 是一大类用采样策略逼近非线性分布的方法! UKF以Unscented Transform(UT,无迹变换)为基础, 采用卡尔曼线性滤波框架, 具体的采样形式为确定性采样。 UT变换采用确定性采样策略，用多个粒子点逼近函数的概率密度分布，从而获得更高阶次的均值与方差。 无迹变换（UT） 3 非线性系统的卡尔曼滤波方程 3.2 无迹卡尔曼滤波器 （UKF） 变换原理：基于当前状态 的均值 和方差 ，构造一组固定数目的采样点，利用这组采样点的样本均值和样本方差逼近非