无迹卡尔曼滤波器(UKF)
UKF依然没有脱离KF的框架。只不过对下一时刻状态的预测方法变成了sigma点集的扩充与非线性映射。这样做有两个优点:1、避免了复杂非线性函数雅可比矩阵的复杂运算;2、保证了非线性系统的普遍适应性。此外,由于高斯分布sigma点集的扩展,使高斯分布的噪声得到抑制。
预测过程:
更新过程:
在准确建模的前提下,KF,EKF和UKF都有不错的表现。但是对于很多复杂的系统而言,建模就是一个复杂的问题。如果模型参数没办法准确估计,那么卡尔曼滤波器的应用就会受到限制。在不知道模型参数的情况下,可以通过蒙特卡洛采样,特别是粒子滤波的方法来对参数进行估计
无迹卡尔曼滤波器(UKF)
最新推荐文章于 2024-08-18 10:30:33 发布