2. 无迹卡尔曼滤波器

无迹卡尔曼滤波(Unscented Kalman Filter, UKF)是一种改进的卡尔曼滤波算法，它通过一种称为" Unscented Transformation"（不敏感变换）的方法来近似高维非线性系统的概率密度函数，从而避免了经典卡尔曼滤波在处理非线性问题时的递推方程复杂性和采样误差。相比于EKF，UKF在处理某些非线性问题时能提供更精确的状态估计[^2]。

UKF的基本流程包括以下几个步骤[^1]:
1. **预处理**：选取一组代表当前状态的粒子（即“样本点”），这些点由均值和协方差矩阵决定。
2. **预测**：通过系统动态模型计算每个样本点的预测状态。
3. **扩散**：在预测状态下应用过程噪声，增加不确定性。
4. **增广**：对每个预测状态及其协方差进行一次增广操作，以包括新的状态变量。
5. **减缩**：从增大的状态空间中选择关键点，形成新的简化版本。
6. **后处理**：根据观测到的数据，更新状态估计并计算新的协方差。

要深入了解无迹卡尔曼滤波的工作原理，你可以查看详细的matlab实现示例[^2]，那里会有具体的代码展示和详细解释。