卡尔曼滤波(4)：拓展卡尔曼滤波

在前面，我们学习了离散型卡尔曼滤波器，我们知道它的本质是对估计量和测量量进行一个加权平均，通过不停的迭代从而使卡尔曼增益更加合理。然而当我们回过头重新检视卡尔曼滤波，发现它用到了大量的线性代数运算，换句话说，只有满足线性的系统才能使用离散卡尔曼滤波。然而在实际工程应用中，系统内总是存在着非线性关系，例如平方关系，三角函数关系，指数对数关系等，我们应该怎样处理这样的问题呢？

我们已经知道，在卡尔曼滤波中需要大量矩阵运算，因此，运用卡尔曼滤波时遇到的非线性问题，唯一正确的方法就是把它线性化，而线性化的方法则是泰勒展开。我们把将期望和方差线性化的卡尔曼滤波器称为拓展卡尔曼滤波器（EKF）。

我们重新构建系统的状态函数和观测函数

我们使用f和h来表示状态函数和观测函数中的非线性关系。

我们要将以上两式用一种新的近似线性表达式代替