ScholarGate
Assistent
Machine learningNonlinear Estimation

Unscented Kalman Filter

Unscented Kalman Filter (UKF) är en algoritm för icke-linjär tillståndsestimering som approximerar icke-linjära system utan att kräva explicit beräkning av Jacobi-matriser. UKF, som introducerades av Julier och Uhlmann 1997, använder den okrypterade transformen – en deterministisk metod för att fånga medelvärdes- och kovariansstatistik genom en noggrant vald uppsättning sampelpunkter (sigma-punkter) – vilket gör den mer exakt än Extended Kalman Filter för starkt icke-linjära system, samtidigt som den undviker den beräkningsmässiga bördan av derivataberäkningar.

Öppna i MethodMindSnartApply, compare, get guidance
Tools & resources
Ladda ner bildspel
Learn & explore
VideoSnart

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Metodkarta

Närområdet av besläktade metoder — välj en nod för att utforska.

Källor

  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

Så citerar du den här sidan

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

Vilken metod?

Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.

Jämför sida vid sida

Refereras av

ScholarGateUnscented Kalman Filter (Unscented Kalman Filter). Hämtad 2026-06-17 från https://scholargate.app/sv/control-theory/unscented-kalman-filter · Datamängd: https://doi.org/10.5281/zenodo.20539026