EKF利用高斯假设，通过泰勒分解将模型线性化，进而求出预测模型的概率分布（均值和方差）。 而 无迹（损）卡尔曼滤波了 （Unscented Kalman Filter ，UKF） 则通过不敏变换 （Unscented Transform，UT） 来求出预测模型的均值和方差。 如下图所示： UKF生成了一些点，来近似非线性。 由这些点来决定实际 x 和 P 的取值范围。 感觉有点像粒子滤波器的概念，但还有些不同，因为UKF里的Sigma点的生成并没有概率的问题。 UKF的Sigma点就是把不能解决的非线性单个 …

2023年7月1日 · 无迹卡尔曼滤波（Unscented Kalman Filter, UKF）是一种用于处理非线性系统状态估计的递归滤波器。相比于扩展卡尔曼滤波（EKF），UKF在处理非线性问题时通常表现得更为精确和稳健。

UKF 非线性可以表现在两个方面：量测模型与过程模型 量测：一个雷达，量测对于目标的倾斜长度，取平方根来计算x，y的坐标。 雷达通过发射一束无线电波并通过扫描回波工作。

UKF是通过 Gauss-Hermite采样点 实现了均值和协方差矩阵的更新。 既然Gauss-Hermite采样点和粒子滤波中的采样点比起来，一般数量很少，那么粒子滤波还有存在的必要吗？

We can simulate the EKF, the UKF and the particle filter to estimate the state x. We used a simulation length of 50 time steps, and 200 particles in the particle filter. Conclusions. Particle filter shows greater performance than both the EKF and the UKF. And we its preformance gets better when the number of particles increase.

无损卡尔曼滤波又称无迹卡尔曼滤波（Unscented Kalman Filter，UKF），是无损变换（Unscented Transform，UT）与标准卡尔曼滤波体系的结合，通过无损变换变换使非线性系统方程适用于线性假设下的标准卡尔曼体系。

ukf vs. ekf. 如果是线性模型，则两者结果相同; 如果是非线性模型，则ukf结果比ekf好; 两者差异很小; ukf不需要计算雅可比; 复杂度在同一级别; ukf比ekf稍慢; 依然受限于高斯分布

2024年12月10日 · 无迹卡尔曼滤波(Unscented Kalman Filter, UKF)是一种基于卡尔曼滤波的非线性状态估计方法，它通过一种称为无迹变换(Unscented Transformation)的方法，将非线性系统的状态估计问题转化为线性系统的状态估计问题，然后使用卡尔曼滤波器进行状态估计。

2025年1月13日 · 标准粒子滤波算法存在的最大问题是粒子退化,针对这一问题,提出了一种改进的粒子滤波算法,该算法将无迹卡尔曼滤波算法(ukf)、混合遗传模拟退火算法和基本粒子滤波算法相结合,运用无迹卡尔曼滤波算法获得重要性函数,提高了粒子的使用效率;运用混合遗传 ...

2024年9月11日 · " **无迹卡尔曼滤波（UKF）详解** 无迹卡尔曼滤波是一种用于非线性系统的概率滤波方法，其核心思想是在非线性变换过程中保留概率分布的统计特性，而不是像EKF那样仅线性化模型。 UKF通过采样技术（也称为"无迹变换"）来近似高维概率分布的均值和协方差，从而提供更精确的滤波结果。 1. **无迹变换原理** - UKF的核心是选择一组特定的样本点，这些样本点被称为"sigma点"，它们能够充分代表概率分布的特征，并且在非线性函数作用下仍然能保持对均 …