无迹卡尔曼滤波（UKF）超详细解释

大家好，欢迎来到IT知识分享网。

前言：本文运用了大量python语言，读不懂没关系，重点在于理解UKF的思想，如何利用概率分布逼近非线性（通过仿真例子理解）。通过对比KF与UKF更容易理解。

1.UKF

1.1选择sigma点

1.2非线性处理

1.3 sigma点算法

1.4无迹变换

1.5无迹滤波器

1.5.1预测步骤

1.5.2 更新步骤

1.5.3 对比KF公式与UKF公式

1.6使用UKF

1.7追踪飞机

1.7.1初次尝试

1.7.2跟踪机动飞机

1.7.3传感器融合

1.7.4多位置传感器

1.8追踪圆周运动的目标

1.8.1讨论

1.9计算位置误差

滤波器的位置误差非常依赖于目标距离传感器的远近。写一个根据方位误差计算距离误差的函数。

1.9.1讨论

1.10解释滤波器性能

1.11可视化sigma点

1.11.1讨论

第一次训练y轴的误差大约在43（这句确实不太理解说的是什么），通过50000个点的UKF仿真得到的误差在0.2左右。

1.12UKF的实现

1.12.1权重

1.12.2sigma点

1.12.3预测步骤

1.12.4更新步骤

1.13选择kappa值

翻译自https://blog.csdn.net/_/article/details/