无迹卡尔曼滤波与扩展卡尔曼滤波适用场景的区别
时间: 2023-08-25 07:12:07 浏览: 190
路面附着系数估计-无迹扩展卡尔曼滤波(UKF/EKF) 软件使用:Matlab/Simulink 适用场景:采用无迹/扩展卡尔曼
无迹卡尔曼滤波(Unscented Kalman Filter,UKF)和扩展卡尔曼滤波(Extended Kalman Filter,EKF)都是常用的非线性系统滤波方法,它们的主要区别在于对于非线性函数的处理方式不同。
UKF是通过一系列无迹变换(Unscented Transform)将非线性函数进行线性化,得到近似的高斯分布,然后基于线性化后的高斯分布进行滤波,相比于EKF,UKF能够更好地处理高斯分布非线性变换的问题,因此在一些高维度、高非线性的系统中被广泛应用。
EKF则是通过对非线性函数进行泰勒展开,然后利用一阶近似来进行线性化,同样能够处理非线性系统,但是在非高斯分布的情况下,EKF的表现可能不如UKF。
因此,UKF适用于高维度、高非线性的系统,而EKF适用于低维度、低非线性的系统,另外,如果系统模型已知,并且状态变量服从高斯分布,那么EKF是最常用的滤波方法。
阅读全文