【How Kalman Fliters Works，卡尔曼滤波（五）附录2：根据协方差绘制置信（误差）椭圆】

本文翻译自本文翻译自How Kalman Filters Work，考虑到专业水平有限，如有问题和建议，欢迎在评论区讨论！

原理

置信椭圆（2 维）、置信椭球（3 维）是置信区间（1 维）向高维的延伸，是代表高斯分布的等值曲线（这条线上的概率密度相同），而利用我们已有的基础知识来绘制协方差矩阵是非常容易的。
首先，根据定义，单位圆是单位正态分布的 1σ 边界。根据7.1 小节可知，如果将单位正态分布的点乘以 C，就能得到其他分布。矩阵 C 将随机采样点从单位正态分布映射到另一种分布。同理，它可以将单位分布的 1σ 圆上的点映射到所需分布的 1σ 圆上。代码很简单：

代码

[U, S]  = svd(P);                   % SVD of relevant dimensions of P
C       = U * sqrt(S);              % Form matrix square root.
theta   = linspace(0, 2*pi, 100);   % Make 100 points from 0 to 2*pi.
circle  = [cos(theta); sin(theta)]; % Make a unit circle.
ellipse = C * circle;               % Map points of circle to ellipse.

在弹跳球Sigma-Point滤波器的例子中，我们画出了随时间变化的椭圆，计算出了与协方差矩阵位置部分P(1:2,1:2)相对应的椭圆。当然，如果我们希望椭圆以状态估计值为中心，我们就需要在椭圆的每个元素上加上状态估计值。