扩展和无迹卡尔曼滤波

扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）是两种非线性卡尔曼滤波方法，用于处理非线性的系统动态模型和量测模型。在工程应用中，当系统的动态模型和量测模型不是线性的时候，传统的卡尔曼滤波方法就不再适用了。

扩展卡尔曼滤波（EKF）通过对非线性系统进行泰勒级数展开，将其线性化，从而实现卡尔曼滤波。EKF使用线性化后的系统模型和量测模型来预测和更新状态估计。然而，由于泰勒展开只能近似地描述非线性系统，EKF在处理高度非线性系统时可能存在精度损失的问题。

无迹卡尔曼滤波（UKF）是一种通过采样技术来近似非线性系统的卡尔曼滤波方法。UKF通过选择一组称为无迹变换的采样点来代表概率分布的信息。这些采样点通过对非线性变换进行一些特殊选择来保持对概率分布的正确表示。然后，通过在这些采样点上进行预测和更新来计算状态估计。相对于EKF，UKF在处理高度非线性系统时通常具有更好的精度和鲁棒性。

综上所述，扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）是用于处理非线性系统的卡尔曼滤波方法，分别通过线性化和采样技术来近似非线性系统，并进行状态估计的预测和更新。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [扩展卡尔曼滤波，无迹卡尔曼滤波和统计线性化滤波器](https://blog.csdn.net/calabash_man/article/details/105620575)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *3* [扩展EKF和ukf无迹卡尔曼滤波代码](https://download.csdn.net/download/qqshsbdb/12551373)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]