Unscented卡尔曼滤波在状态估计中的应用

针对非线形系统的滤波问题,无法使用卡尔曼滤波器(KF),扩展卡尔曼滤波(EKF)方法虽能应用于非线形系统,但给出的是状态的有偏估计,并且对模型误差的鲁棒性较差。为了给出更好的状态估计值,该文介绍了Unscented卡尔曼滤波(UKF)的基本原理,其思想是:基于unscented变换,UKF滤波算法能够给出更精确的均值和协方差的估计,从而带来更高的精度。最后通过Mackey-G lass模型时间序列的状态估计仿真实例说明:同EKF相比,UKF的滤波精度和稳定性都显著提高了,还可避免计算烦琐的Jacob i矩阵,是一种良好的非线性滤波方法。