weixin_43608857的博客

当f (x)或h (x)接近线性时，EKF在许多实际问题上表现良好。然而，它在高度非线性的区域中失败了EKF的概念是基于模型的线性化而提出的。EKF估计包括线性化误差。线性化误差取决于相对于传播的不确定度的函数的非线性度，如下图所示。图13.13：线性化误差。

在深入研究问题解决方案之前，我们必须了解问题本身。什么是非线性系统，为什么标准的线性卡尔曼滤波器在非线性系统中失效？我们区分了两种非线性关系：1.状态到测量的非线性关系2.非线性系统动力学我们将分别处理每种类型的非线性，然后将它们结合起来。首先，让我们从一个线性系统的例子开始。

正如我们在前一章中所看到的，当状态转移模型f (x)和观测模型h (x)接近于线性时，EKF的性能是令人满意的。然而，当f (x)或h (x)模型是高度非线性的时，线性化误差会导致与状态的真实值显著不同的估计，以及不能捕获状态中的真实不确定性的估计不确定性。无迹卡尔曼滤波器是线性化的另一种方法。扩展卡尔曼滤波器使用解析线性化来处理非线性，而无迹卡尔曼滤波器基于一组规则进行无味变换（UT）-统计线性化。杰弗里·乌尔曼最初提出了无香味变换（UT）作为他的博士论文[18]的一个组成部分；