Machine learningNonlinear Estimation
无迹卡尔曼滤波器
无迹卡尔曼滤波器（UKF）是一种非线性状态估计算法，它在不要求显式计算雅可比矩阵的情况下近似非线性系统。UKF由Julier和Uhlmann于1997年提出，它使用无迹变换——一种通过精心选择的样本点（sigma点）来捕获均值和协方差统计信息的确定性方法——使其在高度非线性系统上的精度优于扩展卡尔曼滤波器，同时避免了计算导数的负担。
在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
- 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 ↗
- Sarkka, S. (2013). Bayesian Filtering and Smoothing. Cambridge University Press. DOI: 10.1017/CBO9781139344203 ↗
如何引用本页
ScholarGate. (2026, June 3). Unscented Kalman Filter. ScholarGate. https://scholargate.app/zh/control-theory/unscented-kalman-filter
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →