卡尔曼滤波 kf ekf ukf

kf ekf ukf

KF(Kalman filter)

一种高效的自回归滤波器，它能在存在诸多不确定性情况的组合信息中估计动态系统的状态，是一种强大的、通用性极强的工具

卡尔曼滤波假设两个变量（因为我们的例子是小车导航，所以两个变量是位置和速度）都应该是随机的，而且符合高斯分布。每个变量都有一个均值 μ ，它是随机分布的中心；有一个方差 σ2 ，它衡量组合的不确定性

EKF

扩展卡尔曼滤波器是对KF的改进衍生，它将非线性函数进行泰勒展开，然后省略高阶项，保留展开项的一阶项，以此来实现非线性函数线性化，最后通过卡尔曼滤波算法近似计算系统的状态估计值和方差估计值。

UKF

无迹卡尔曼滤波算法也是对KF的改进衍生，它舍弃了EKF算法的线性化过程，采用无迹变换（Unscented Transform，UT）巧妙地避免了线性化所带来的误差，同时减少了算法的复杂度（UKF不需要在每个实例中计算雅可比矩阵），克服了EKF算法的估计精度低、稳定性差的缺陷。