扩展卡尔曼滤波

EKF

目录

前言

一、系统描述

二、扩展卡尔曼滤波

1.线性化

2.算法流程

1）初始化

2)滤波、观测更新 

3)预测更新 

---

前言

针对非线性系统，卡尔曼滤波算法的效果比较差甚至不可使用。于是就有了扩展卡尔曼滤波，针对非线性系统也可以做到比较好的预测。

---

一、系统描述

对一个离散的非线性随机系统的状态空间的描述如下：

                                

                                     

其中是一个维的列向量，是维的列向量，分别是在时间的状态和观测值。函数把维的列向量映射到维的列向量空间中去。函数把维的状态列向量映射到观测空间的维的列向量。、分别是在状态空间和观测空间的相互独立的白噪声。白噪声的概率密度函数符合高斯分布，均值是0，方差分别是和。

二、扩展卡尔曼滤波

1.线性化

首先是对非线性函数的线性化，利用一阶泰勒函数的展开把非线性函数进行线性化。

其中是在处的估计值。 

其中是在处的估计值。

2.算法流程

1）初始化

2)滤波、观测更新 

3)预测更新 

观测方程如果是强非线性的则滤波器的性能会恶化，此时迭代扩展卡尔曼滤波的效果会更好。

---