（扩展）卡尔曼滤波算法原理

卡尔曼滤波器在各个领域广泛应用，在通信、雷达、导航、自动控制等领域都可以找到它的身影，比如雷达目标跟踪。

卡尔曼滤波在机动目标跟踪中有着良好的性能，它是最佳估计并能递推计算，即它只需要当前的一个测量值和前一个采样周期的预测值进行最优估计。

卡尔曼滤波特性：

卡尔曼滤波器是一个递归、线性、无偏、方差最小的滤波器，如果过程噪声和观测噪声是正态高斯白噪声，则它保持最佳性能。

 虽然卡尔曼滤波应用广泛，但在雷达目标跟踪等很多实际应用中，传感器给出的是目标的斜距、方位角、俯仰角。数据与目标之间是非线性的。目标的状态方程只有在直角坐标系中是线性的。这就导致若在直角坐标系中和极坐标系中只能选择一个建立动态方程。要么状态方程是线性的，要么测量方程是线性的。这就是现代雷达跟踪中往往采用混合坐标系的原因。扩展卡尔曼滤波器在均值处进行一介泰勒公式展开来线性化问题。二者的主要区别：

• 在计算残差时，采用极坐标系
• 在跟踪计算时，采用直角坐标
• 输出数据为直角坐标系数据
• 在二者交互处进行坐标转换（泰勒展开）