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的Sigma点就是把不能解决的非线性单个变量的不确定性，用多个Sigma点的不确定性近似了。 EKF通过泰勒分解将模型线性化求出预测模型的概率均值和方差 \color {darkorange} {\textbf { EKF通过泰勒分解将模型线性化求出预测模型的概率均值和方差}} EKF通过泰勒分解将模型线性化求出预测模型的概率均值和方差. UKF了则通过不敏变换来求出预测模型的均值和方差 \color {darkorange} {\textbf { UKF了则通过不敏变换来求出预测模型的均值和方差}} UKF了则通过不敏 …

无迹kalman滤波(Unscented Kalman Filter，UKF)摈弃了对非线性函数进行线性化的传统做法，采用kalman线性滤波框架，对于一步预测方程，使用无迹变换(Unscented Transform，UT)来处理均值和协方差的非线性传递问题…

2023年12月7日 · ekf、ukf和slam都是状态估计领域的重要技术。ekf适用于非线性程度较低的系统，ukf则具有更高的精度和稳定性，适用于非线性程度较高的系统。

对于非线性问题的处理，过程模型f和测量模型h是非线性的，ekf是求一阶全导数得到线性模型，来近似非线性模型；而ukf是直接寻找一个与真实分布近似的高斯分布，没有用线性表征。

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？

无迹卡尔曼滤波不采用泰勒展开实现非线性系统线性化，而是采用 无迹变换 （Unscented Transform，UT）来处理均值和协方差的非线性传递问题。 （UKF算法是对非线性函数的概率密度分布进行近似，用一系列确定样本来逼近状态的后验概率密度，而不是对非线性函数进行近似，不需要对雅克比矩阵进行求导。 ——（1）原状态分布中按某一规则选取一些采样点（其均值和方差等于原状态分布的均值和方差） —— （2）将点带入非线性方程中（求取变换后的均值和协方 …

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。

2024年2月18日 · 无迹卡尔曼滤波（ukf）是一种先进的递归滤波算法，用于估计非线性动态系统的状态。 本文将通过深入的理论分析和实际代码示例，详细介绍UKF滤波的工作原理和实现过程。