容积卡尔曼滤波与无迹卡尔曼滤波

容积卡尔曼滤波（Volume Kalman Filter，V-KF）是一种扩展的粒子滤波算法，它通过模拟整个状态空间的概率分布，而非仅仅追踪少数粒子样本，来处理高维非线性系统中的估计问题。V-KF通常用于复杂动态系统的状态估计，例如目标跟踪和机器人导航，它可以提供更精确的状态估计并减少样本之间的依赖。

无迹卡尔曼滤波（Unscented Kalman Filter，UKF），又称为 Unscented Transform（UT）滤波器，是一种基于卡尔曼滤波理论的改进方法。它利用了无迹变分方法，通过一种“ Unscented Transform”过程对随机变量的高斯分布进行采样，避免了传统粒子滤波中的样本退化和高维数据的计算开销。UKF通过选择一组经过良好设计的“扩散矢量”，能够更准确地近似高斯分布的均值和协方差，从而提高滤波精度。