EKF（Extended Kalman Filter）是对经典Kalman滤波器的扩展，用于处理非线性状态方程和观测方程。通过泰勒级数展开在估计值处线性化非线性问题。EKF需要两个非线性方程，并假设状态噪声和观测噪声为零来估计状态向量和观测向量。通过对方程求偏导，得到雅可比矩阵，然后进行线性化处理。EKF的后续步骤与KF相似。
其实EKF都没有用过，不过既然看过，还是备忘在这里吧。
回忆一下KF，我们会发现它处理的是线性问题，即是状态方程和观测方程为线性的问题。如果是非线性呢，那么EKF（Extended Kalman Filter）就是处理这种问题的方法之一。EKF仿效泰勒级数展开，在当前估计值处对过程或测量方程求偏导，从而将非线性问题线性化。
同KF一样，我们需要知道2个预设方程（均为非线性）：
![clip_image002[4]](http://hi.csdn.net/attachment/201012/6/0_1291617549OoV7.gif "clip_image002[4]"){kind=small}
![clip_image002[6]](http://hi.csdn.net/attachment/201012/6/0_1291617549yS16.gif "clip_image002[6]"){kind=small}
实际中我们显然不知道每一时刻状态噪声和观测噪声的值。但是，我们可以将它们假设为零，从而估计状态向量和观测向量为：
![clip_image002[8]](http://hi.csdn.net/attachment/201012/6/0_129161755039MZ.gif "clip_image002[8]"){kind=small}
![clip_image002[10]](http://hi.csdn.net/attachment/201012/6/0_1291617550sCIs.gif "clip_image002[10]"){kind=small}
根据上述两式将状态向量和测量向量线性化
最低0.47元/天 解锁文章
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
