基于matlab的UKF控制器仿真,输出Balistic估计值和控制误差

目录

1.算法概述

2.仿真效果

3.MATLAB仿真源码

---

1.算法概述

       对于Unscented Kalman Filter，常用的翻译有“无迹卡尔曼滤波”、“无损卡尔曼滤波”、“无味卡尔曼滤波”，是一类用于处理非线性系统的贝叶斯滤波器近似方法。UKF是在KF的基础上引入了无迹变换（Unscented Transform）来处理概率密度均值和协方差的非线性传递问题。相比于扩展卡尔曼滤波EKF通过一阶泰勒展开对非线性系统进行线性化，无迹卡尔曼滤波UKF从概率密度函数的角度对非线性系统进行近似。

   　无迹kalman滤波（UKF）不是采用的将非线性函数线性化的做法。无迹kalman仍然采用的是线性kalman滤波的架构，对于一步预测方程，使用无迹变换（UT）来处理均值和协方差的非线性传递问题。UKF算法是对非线性函数的概率密度分布进行近似，用一系列确定样本来逼近状态的后验概率密度，而不是对非线性函数进行近似，不需要对雅可比矩阵进行求导。UKF没有高阶项忽略，因此对于非线性分布的统计量有较高的精度，有效克服了扩展Kalman滤波的估计精度低、稳定性差的缺陷。

       与线性kalman滤波一样，UKF采用过程模型对下一时刻的状态均值与协方差进行预测。
首先，生成具体的sigma点与其对应的权重

 将sigma点通过函数f(x)
—这将使sigma点通过过程模型向前投影，也就相当于向前预测一步。