ScholarGate
Assistent
Machine learningNonlinear Estimation

Unscented Kalman Filter

Unscented Kalman Filter (UKF) er en ikke-lineær tilstandsestimationsalgoritme, der approksimerer ikke-lineære systemer uden eksplicit beregning af Jacobians. UKF blev introduceret af Julier og Uhlmann i 1997 og anvender den ukontrollerede transformation—en deterministisk metode til at indfange middelværdi- og kovariansstatistikker gennem et nøje udvalgt sæt af stikprøvepunkter (sigma-punkter)—hvilket gør den mere nøjagtig end Extended Kalman Filter for stærkt ikke-lineære systemer, samtidig med at den undgår den beregningsmæssige byrde ved afledede beregninger.

Åbn i MethodMindSnartVideoSnartHent slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Metodekort

Nabolaget af beslægtede metoder — vælg en knude for at udforske.

Kilder

  1. Julier, S. J., & Uhlmann, J. K. (1997). A new method for the nonlinear transformation of means and covariances in filters and estimators. IEEE Transactions on Automatic Control, 45(3), 477-482. link
  2. Wan, E. A., & Van Der Merwe, R. (2000). The unscented Kalman filter for nonlinear estimation. Proceedings of the IEEE 2000 Adaptive Systems for Signal Processing, 153-158. link
  3. Sarkka, S. (2013). Bayesian Filtering and Smoothing. Cambridge University Press. DOI: 10.1017/CBO9781139344203

Sådan citerer du denne side

ScholarGate. (2026, June 3). Unscented Kalman Filter. ScholarGate. https://scholargate.app/da/control-theory/unscented-kalman-filter

Hvilken metode?

Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.

Sammenlign side om side

Refereret af

ScholarGateUnscented Kalman Filter (Unscented Kalman Filter). Hentet 2026-06-15 fra https://scholargate.app/da/control-theory/unscented-kalman-filter · Datasæt: https://doi.org/10.5281/zenodo.20539026